web-dev-qa-db-ja.com

文字列を特定の長さの部分文字列に分割する方法は?

私は次のような文字列を持っています:

"aabbccccdd"

この文字列を長さ2の部分文字列のベクトルに分割したい:

"aa" "bb" "cc" "cc" "dd"

23
MadSeb

ここに一つの方法があります

substring("aabbccccdd", seq(1, 9, 2), seq(2, 10, 2))
#[1] "aa" "bb" "cc" "cc" "dd"

またはより一般的に

text <- "aabbccccdd"
substring(text, seq(1, nchar(text)-1, 2), seq(2, nchar(text), 2))
#[1] "aa" "bb" "cc" "cc" "dd"

編集:これははるかに高速です

sst <- strsplit(text, "")[[1]]
out <- paste0(sst[c(TRUE, FALSE)], sst[c(FALSE, TRUE)])

最初に文字列を文字に分割します。次に、偶数要素と奇数要素を貼り付けます。

タイミング

text <- paste(rep(paste0(letters, letters), 1000), collapse="")
g1 <- function(text) {
    substring(text, seq(1, nchar(text)-1, 2), seq(2, nchar(text), 2))
}
g2 <- function(text) {
    sst <- strsplit(text, "")[[1]]
    paste0(sst[c(TRUE, FALSE)], sst[c(FALSE, TRUE)])
}
identical(g1(text), g2(text))
#[1] TRUE
library(rbenchmark)
benchmark(g1=g1(text), g2=g2(text))
#  test replications elapsed relative user.self sys.self user.child sys.child
#1   g1          100  95.451 79.87531    95.438        0          0         0
#2   g2          100   1.195  1.00000     1.196        0          0         0
47
GSee
string <- "aabbccccdd"
# total length of string
num.chars <- nchar(string)

# the indices where each substr will start
starts <- seq(1,num.chars, by=2)

# chop it up
sapply(starts, function(ii) {
  substr(string, ii, ii+1)
})

それは与える

[1] "aa" "bb" "cc" "cc" "dd"
11
mindless.panda

2つの簡単な可能性があります。

s <- "aabbccccdd"
  1. gregexprおよびregmatches

    regmatches(s, gregexpr(".{2}", s))[[1]]
    # [1] "aa" "bb" "cc" "cc" "dd"
    
  2. strsplit

    strsplit(s, "(?<=.{2})", Perl = TRUE)[[1]]
    # [1] "aa" "bb" "cc" "cc" "dd"
    
10
Sven Hohenstein

マトリックスを使用して文字をグループ化できます。

s2 <- function(x) {
  m <- matrix(strsplit(x, '')[[1]], nrow=2)
  apply(m, 2, paste, collapse='')
}

s2('aabbccddeeff')
## [1] "aa" "bb" "cc" "dd" "ee" "ff"

残念ながら、これは奇数の文字列の長さの入力に対して壊れ、警告を与えます:

s2('abc')
## [1] "ab" "ca"
## Warning message:
## In matrix(strsplit(x, "")[[1]], nrow = 2) :
##   data length [3] is not a sub-multiple or multiple of the number of rows [2]

さらに残念なのは、@ GSeeのg1およびg2が、文字列の長さが奇数の入力に対して誤った誤った結果を返すことです。

g1('abc')
## [1] "ab"

g2('abc')
## [1] "ab" "cb"

以下はs2の精神に沿った関数です。各グループの文字数のパラメーターを取得し、必要に応じて最後のエントリを短くします。

s <- function(x, n) {
  sst <- strsplit(x, '')[[1]]
  m <- matrix('', nrow=n, ncol=(length(sst)+n-1)%/%n)
  m[seq_along(sst)] <- sst
  apply(m, 2, paste, collapse='')
}

s('hello world', 2)
## [1] "he" "ll" "o " "wo" "rl" "d" 
s('hello world', 3)
## [1] "hel" "lo " "wor" "ld" 

(確かにg2よりも遅いが、g1よりも約7倍速い)

2

Uいが動作します

sequenceString <- "ATGAATAAAG"

J=3#maximum sequence length in file
sequenceSmallVecStart <-
  substring(sequenceString, seq(1, nchar(sequenceString)-J+1, J), 
    seq(J,nchar(sequenceString), J))
sequenceSmallVecEnd <-
    substring(sequenceString, max(seq(J, nchar(sequenceString), J))+1)
sequenceSmallVec <-
    c(sequenceSmallVecStart,sequenceSmallVecEnd)
cat(sequenceSmallVec,sep = "\n")

ATG AAT AAA Gを提供します

1
den2042