Question

我有一个data.frame，其中某些变量包含文本字符串。我希望计算每个字符串中给定字符的出现次数。

示例：

q.data<-data.frame(number=1:3, string=c("greatgreat", "magic", "not"))

我希望为q.data创建一个新列，其中包含字符串中“a”的出现次数（即c（2,1,0））。

我管理的唯一令人费解的方法是：

string.counter<-function(strings, pattern){  
  counts<-NULL
  for(i in 1:length(strings)){
    counts[i]<-length(attr(gregexpr(pattern,strings[i])[[1]], "match.length")[attr(gregexpr(pattern,strings[i])[[1]], "match.length")>0])
  }
return(counts)
}

string.counter(strings=q.data$string, pattern="a")

 number     string number.of.a
1      1 greatgreat           2
2      2      magic           1
3      3        not           0

Answer 1

stringr包提供了str_count函数，它似乎可以做你感兴趣的事情

# Load your example data
q.data<-data.frame(number=1:3, string=c("greatgreat", "magic", "not"), stringsAsFactors = F)
library(stringr)

# Count the number of 'a's in each element of string
q.data$number.of.a <- str_count(q.data$string, "a")
q.data
#  number     string number.of.a
#1      1 greatgreat           2
#2      2      magic           1
#3      3        not           0

Answer 2

如果你不想留下基地R，这里有一个相当简洁和富有表现力的可能性：

x <- q.data$string
lengths(regmatches(x, gregexpr("a", x)))
# [1] 2 1 0

Answer 3

nchar(as.character(q.data$string)) -nchar( gsub("a", "", q.data$string))
[1] 2 1 0

请注意，在传递给nchar之前，我将factor变量强制转换为character。正则表达式函数似乎在内部执行此操作。

这是基准测试结果（测试尺寸按比例增加到3000行）

 q.data<-q.data[rep(1:NROW(q.data), 1000),]
 str(q.data)
'data.frame':   3000 obs. of  3 variables:
 $ number     : int  1 2 3 1 2 3 1 2 3 1 ...
 $ string     : Factor w/ 3 levels "greatgreat","magic",..: 1 2 3 1 2 3 1 2 3 1 ...
 $ number.of.a: int  2 1 0 2 1 0 2 1 0 2 ...

 benchmark( Dason = { q.data$number.of.a <- str_count(as.character(q.data$string), "a") },
 Tim = {resT <- sapply(as.character(q.data$string), function(x, letter = "a"){
                            sum(unlist(strsplit(x, split = "")) == letter) }) }, 

 DWin = {resW <- nchar(as.character(q.data$string)) -nchar( gsub("a", "", q.data$string))},
 Josh = {x <- sapply(regmatches(q.data$string, gregexpr("g",q.data$string )), length)}, replications=100)
#-----------------------
   test replications elapsed  relative user.self sys.self user.child sys.child
1 Dason          100   4.173  9.959427     2.985    1.204          0         0
3  DWin          100   0.419  1.000000     0.417    0.003          0         0
4  Josh          100  18.635 44.474940    17.883    0.827          0         0
2   Tim          100   3.705  8.842482     3.646    0.072          0         0

Answer 4

sum(charToRaw("abc.d.aa") == charToRaw('.'))

是个不错的选择。

Answer 5

我确信有人可以做得更好，但这样做有效：

sapply(as.character(q.data$string), function(x, letter = "a"){
  sum(unlist(strsplit(x, split = "")) == letter)
})
greatgreat      magic        not 
     2          1          0

或在函数中：

countLetter <- function(charvec, letter){
  sapply(charvec, function(x, letter){
    sum(unlist(strsplit(x, split = "")) == letter)
  }, letter = letter)
}
countLetter(as.character(q.data$string),"a")

Answer 6

您可以只使用字符串除法

require(roperators)
my_strings <- c('apple', banana', 'pear', 'melon')
my_strings %s/% 'a'

这将为您提供1、3、1、0。您还可以对正则表达式和整个单词使用字符串除法。

Answer 7

stri_count软件包提供了非常快速的功能stri_count_fixed和stringi::stri_count(q.data$string, fixed = "a") # [1] 2 1 0。

library(microbenchmark)

benchmark <- microbenchmark(
  stringi = stringi::stri_count(test.data$string, fixed = "a"),
  baseR = nchar(test.data$string) - nchar(gsub("a", "", test.data$string, fixed = TRUE)),
  stringr = str_count(test.data$string, "a")
)

autoplot(benchmark)

基准

与具有30.000个元素的向量相比，从@42-'s answer到equivalent function from the stringr package最快的方法。

q.data <- data.frame(number=1:3, string=c("greatgreat", "magic", "not"), stringsAsFactors = FALSE)
test.data <- q.data[rep(1:NROW(q.data), 10000),]

数据

{{1}}

Answer 8

https://stackoverflow.com/a/12430764/589165的变体是

> nchar(gsub("[^a]", "", q.data$string))
[1] 2 1 0

Answer 9

恕我直言最简单，最干净的方式是：

.blue {
  color: blue;
  text-decoration : underline;
}

Answer 10

以下问题已移至此处，但该页面似乎无法直接回答法拉赫·埃尔（Farah El）的问题。 How to find number 1s in 101 in R

以防万一，我在这里写下答案。

library(magrittr)
n %>% # n is a number you'd like to inspect
  as.character() %>%
  str_count(pattern = "1")

https://stackoverflow.com/users/8931457/farah-el

Answer 11

下一个表达式可以完成任务，并且不仅适用于字母，还适用于符号。

表达式的工作方式如下：

1：它在数据帧q.data的列上使用lapply来遍历列2的行（“ lapply（q.data [，2]，”），

2：它对列2的每一行都应用一个函数“ function（x）{sum（'a'== strsplit（as.character（x），））[[1]]）}”。该函数获取第2列（x）的每个行值，转换为字符（例如，如果是一个因素），并且对每个字符进行字符串分割（“ strsplit（as.character（x），' '）“）。结果，我们有了一个向量，其中第2列的每一行都有字符串值的每个字符。

3：将向量的每个向量值与要计数的所需字符进行比较，在这种情况下为“ a”（“'a'==“）。此操作将返回一个True和False值“ c（True，False，True，....）”的向量，当向量中的值与要计数的所需字符匹配时为True。

4：计算字符“ a”在行中出现的总时间，作为向量“ sum（....）”中所有“ True”值的总和。

5：然后应用“ unlist”函数解压缩“ lapply”函数的结果并将其分配给数据框中的新列（“ q.data $ number.of.a <-unlist（。 ...“）

q.data$number.of.a<-unlist(lapply(q.data[,2],function(x){sum('a' == strsplit(as.character(x), '')[[1]])}))

>q.data

#  number     string     number.of.a
#1   greatgreat         2
#2      magic           1
#3      not             0

Answer 12

s <- "aababacababaaathhhhhslsls jsjsjjsaa ghhaalll"
p <- "a"
s2 <- gsub(p,"",s)
numOcc <- nchar(s) - nchar(s2)

可能不是有效的，但解决了我的目的。

如何计算字符串列每行中给定字符的出现次数？

12 个答案: