我有两个载体：
word1 <- "bestelling"
word2 <- "bestelbon"
现在我想找到从beginnig开始的最大公共子字符串，所以这里将是“bestel”。
但是举两个例如“bestelling”和“stel”，然后我想返回""。
答案 0 :(得分：9)
library(microbenchmark)
wfoo1 <-'bestelling'
wfoo2<-'bestelbon'
microbenchmark(stu(wfoo1,wfoo2),nathan(wfoo1,wfoo2),plourde(),scriven(wfoo1,wfoo2),dmt(wfoo1,wfoo2),mrflick(wfoo1,wfoo2),roland(c(wfoo1,wfoo2)))
Unit: microseconds
expr min lq median uq
stu(wfoo1, wfoo2) 171.905 183.0230 187.5135 191.1490
nathan(wfoo1, wfoo2) 35.921 42.3360 43.6180 46.1840
plourde() 551.208 581.3545 591.6175 602.5220
scriven(wfoo1, wfoo2) 16.678 21.1680 22.6645 23.7335
dmt(wfoo1, wfoo2) 79.966 86.1665 88.7325 91.5125
mrflick(wfoo1, wfoo2) 100.492 108.4030 111.1830 113.9625
roland(c(wfoo1, wfoo2)) 215.950 226.8545 231.7725 237.5455
max neval
435.321 100
59.012 100
730.809 100
85.525 100
286.081 100
466.537 100
291.213 100
我认为我有责任修改这些功能，以便他们测量一个输入字，例如，1000个参考字（而不是一对）的矢量，以查看速度测试的进展情况。也许以后。
后来...... :-)。我没有制作循环，但我用长话来试试：
编辑：正如弗洛尔指出的那样，这是一个错字，导致测试一个相当长的向量 很短的话！wfoo1 <-rep(letters,100)
wfoo2<-c(rep(letters,99),'foo')
Unit: microseconds
expr min lq median
stu(wfoo1, wfoo2) 31215.243 32718.5535 35270.6110
nathan(wfoo1, wfoo2) 202.266 216.3780 227.2825
plourde() 569.168 617.0615 661.5340
scriven(wfoo1, wfoo2) 794.953 828.3070 847.5505
dmt(wfoo1, wfoo2) 1081.033 1156.9365 1205.8990
mrflick(wfoo1, wfoo2) 126058.316 131283.4485 241018.5150
roland(c(wfoo1, wfoo2)) 946.759 1004.4885 1045.3260
uq max neval
146451.2595 167000.713 100
236.0485 356.211 100
694.6750 795.381 100
868.9310 1021.594 100
1307.6740 116075.442 100
246739.6910 991550.586 100
1082.1020 1243.103 100
对不起理查德，但看起来你需要把你的鸡肉晚餐交给内森。
EDIT2：确保输入是单个单词，并将flodel的代码添加到堆中。
wfoo1 <-paste(rep(letters,100),collapse='')
wfoo2<-paste(c(rep(letters,99),'foo'),collapse='')
看起来像3个人＆＃39;代码表现相似，所以就像在环法自行车赛中一样，我将第一名奖授予 mrflick，dmt和flodel。
microbenchmark(stu(wfoo1,wfoo2),nathan(wfoo1,wfoo2),plourde(c(wfoo1,wfoo2)),scriven(wfoo1,wfoo2),dmt(wfoo1,wfoo2),mrflick(wfoo1,wfoo2),roland(c(wfoo1,wfoo2)),flodel(wfoo1,wfoo2) )
Unit: microseconds
expr min lq median
stu(wfoo1, wfoo2) 17786.578 18243.2795 18420.317
nathan(wfoo1, wfoo2) 36651.195 37703.3625 38095.493
plourde(c(wfoo1, wfoo2)) 183616.029 187673.5350 190706.457
scriven(wfoo1, wfoo2) 17546.253 17994.1890 18244.990
dmt(wfoo1, wfoo2) 737.651 781.0550 821.466
mrflick(wfoo1, wfoo2) 870.643 951.4630 976.479
roland(c(wfoo1, wfoo2)) 99540.947 102644.2115 103654.258
flodel(wfoo1, wfoo2) 666.239 705.5795 717.553
uq max neval
18602.270 20835.107 100
38450.848 155422.375 100
303856.952 1079715.032 100
18404.281 18992.905 100
853.751 1719.047 100
1012.186 116669.839 100
105423.123 226522.073 100
732.947 822.748 100
答案 1 :(得分：6)
fun <- function(words) {
#extract substrings from length 1 to length of shortest word
subs <- sapply(seq_len(min(nchar(words))),
function(x, words) substring(words, 1, x),
words=words)
#max length for which substrings are equal
neqal <- max(cumsum(apply(subs, 2, function(x) length(unique(x)) == 1L)))
#return substring
substring(words[1], 1, neqal)
}
words1 <- c("bestelling", "bestelbon")
fun(words1)
#[1] "bestel"
words2 <- c("bestelling", "stel")
fun(words2)
#[1] ""
答案 2 :(得分：5)
这是另一个似乎有用的功能。
foo <- function(word1, word2) {
s1 <- substring(word1, 1, 1:nchar(word1))
s2 <- substring(word2, 1, 1:nchar(word2))
if(length(w <- which(s1 %in% s2))) s2[max(w)] else character(1)
}
foo("bestelling", "bestelbon")
# [1] "bestel"
foo("bestelling", "stel")
# [1] ""
foo("bestelbon", "bestieboop")
# [1] "best"
foo("stel", "steal")
# [1] "ste"
答案 3 :(得分：5)
flodel <- function(word1, word2) {
# the length of the shorter word
n <- min(nchar(word1), nchar(word2))
# two vectors of characters of the same length n
c1 <- strsplit(word1, "", fixed = TRUE)[[1]][1:n]
c2 <- strsplit(word2, "", fixed = TRUE)[[1]][1:n]
# a vector that is TRUE as long as the characters match
m <- as.logical(cumprod(c1 == c2))
# the answer
paste(c1[m], collapse = "")
}
答案 4 :(得分：4)
这适用于单词的任意向量
words <- c('bestelling', 'bestelbon')
words.split <- strsplit(words, '')
words.split <- lapply(words.split, `length<-`, max(nchar(words)))
words.mat <- do.call(rbind, words.split)
common.substr.length <- which.max(apply(words.mat, 2, function(col) !length(unique(col)) == 1)) - 1
substr(words[1], 1, common.substr.length)
# [1] "bestel"
答案 5 :(得分：4)
为什么不添加另一个！并且破解它所以答案不同于每个人！
largestStartSubstr<-function(word1, word2){
word1vec<-unlist(strsplit(word1, "", fixed=TRUE))
word2vec<-unlist(strsplit(word2, "", fixed=TRUE))
indexes<-intersect(1:nchar(word1), 1:nchar(word2))
bools<-word1vec[indexes]==word2vec[indexes]
if(bools[1]==FALSE){
""
}else{
lastChar<-match(1,c(0,diff(cumsum(!bools))))-1
if(is.na(lastChar)){
lastChar<-indexes[length(indexes)]
}
substr(word1, 1,lastChar)
}
}
word1 <- "bestselling"
word2<- "bestsel"
largestStartSubstr(word1, word2)
#[1] "bestsel"
word1 <- "bestselling"
word2<- "sel"
largestStartSubstr(word1, word2)
#[1] ""
答案 6 :(得分：4)
尽管我通常避免使用R中的for循环 - 假设你从一开始就开始并一直持续到找到解决方案，这似乎是一种简单的方法。
它比我认为的其他一些例子更直观
lcsB <- function(string1, string2) {
x <- ''
for (i in 1:nchar(string1)){
if (substr(string1[1],1,i) == substr(string2[1],1,i)) {
x <- substr(string1[1],1,i)
}
else
return(x)
}
return(x)
}
lcsB("bestelling", "bestelbon")
lcsB("bestelling", "stel")
答案 7 :(得分：3)
这似乎有效
longestprefix<-function(a,b) {
n <- pmin(nchar(a), nchar(b))
mapply(function(x, y, n) {
rr<-rle(x[1:n]==y[1:n])
if(rr$values[1]) {
paste(x[1:rr$lengths[1]], collapse="")
} else {
""
}
}, strsplit(a, ""), strsplit(b,""), n)
}
longestprefix("bestelling", "bestelbon")
# [1] "bestel"
longestprefix("bestelling", "stel")
# [1] ""
答案 8 :(得分：3)
我意识到我迟到了这个派对，但确定成对排列是生物学研究中的一个基本问题，并且已经存在一个攻击这个问题的包（或包家族）。名为Biostrings的Bioconductor软件包是可用的（至少如果你安装了所有的默认依赖项，它就很大了，所以在安装过程中需要耐心）。它返回S4对象，因此需要不同的提取功能。这可能是一个提取坚果的大锤，但这里是给出所需结果的代码：
install.packages("Biostrings", repo="http://www.bioconductor.org/packages/2.14/bioc/", dependencies=TRUE)
library(Biostrings)
psa1 <- pairwiseAlignment(pattern = c(word1) ,word2,type="local")
psa1@pattern
#[1] bestel
但是，它没有设置为默认为两个字符串的第一个字符的匹配限制。我们希望@MartinMorgan能够解决我的错误。
答案 9 :(得分：2)
一些正则表达式可以做到这一点：
sub('^([^|]*)[^|]*(?:\\|\\1[^|]*)$', '\\1', paste0(word1, '|', word2))
#[1] "bestel"
我使用|作为分隔符 - 选择一个对你的字符串有用的内容。
答案 10 :(得分：1)
有点乱，但这是我提出的：
largest_subset <- Vectorize(function(word1,word2) {
substr(word1, 1, sum(substring(word1, 1, 1:nchar(word1))==substring(word2, 1, 1:nchar(word2))))
})
如果单词的长度不同，则会产生警告信息，但不必担心。它检查每个单词的第一个字符到每个位置的每个子字符串是否在两个单词之间产生匹配。然后，您可以计算出多少值为真，并将子字符串捕获到该字符。我将其矢量化，以便将其应用于单词向量。
> word1 <- c("tester","doesitwork","yupyppp","blanks")
> word2 <- c("testover","doesit","yupsuredoes","")
> largest_subset(word1,word2)
tester doesitwork yupyppp blanks
"test" "doesit" "yup" ""