计算由字符串中的逗号分隔的值

Question

我有这个示例数据

d<-"30,3"
class(d)

我在工作数据框的一列中有这个角色对象，我需要能够识别它有多少个数字。

我尝试使用length(d)，但它说1

在寻找解决方案后，我尝试了

eval(parse(text='d'))
as.numeric(d)
as.vector.character(d)

但它仍然无效。

解决这个问题的任何直接方法都是什么？

Answer 1

您可以使用scan。

 v1 <- scan(text=d, sep=',', what=numeric(), quiet=TRUE)
 v1
 #[1] 30  3

或使用stri_split中的stringi。这应该同时使用character和factor类，而不使用as.character明确转换为字符

library(stringi)
v2 <- as.numeric(unlist(stri_split(d,fixed=',')))
v2
#[1] 30  3

您可以使用count

进行base R

length(v1)
#[1] 2

或者

nchar(gsub('[^,]', '', d))+1
#[1] 2

可视化regex

 [^,]

Debuggex Demo

更新

如果d是数据集df中的列，并希望将数字位数等于2

的行进行子集化

  d<-c("30,3,5","30,5") 
  df <- data.frame(d,stringsAsFactors=FALSE)
  df[nchar(gsub('[^,]', '',df$d))+1==2,,drop=FALSE]
  #    d
  #2 30,5

只是为了测试

  df[nchar(gsub('[^,]', '',df$d))+1==10,,drop=FALSE]
  #[1] d
  #<0 rows> (or 0-length row.names)

Answer 2

这两种方法都很简短，处理字符串向量，不涉及显式构造拆分字符串的费用，也不使用任何包。此处d是字符串的向量，例如d <- c("1,2,3", "5,2")：

1）count.fields

count.fields(textConnection(d), sep = ",")

2）gregexpr

lengths(gregexpr(",", d)) + 1

Answer 3

这是一种可能性

> as.numeric(unlist(strsplit("30,3", ",")))
# 30  3

Answer 4

您还可以尝试stringi包stri_count_*个功能（应该非常有效）

library(stringi)
stri_count_regex(d, "\\d+")
## [1] 2
stri_count_fixed(d, ",") + 1
## [1] 2

stringr包具有类似的功能

library(stringr)
str_count(d, "\\d+")
## [1] 2

---

<强>更新

如果要按长度为2的向量对数据集进行子集化，可以尝试

df[stri_count_regex(df$d, "\\d+") == 2,, drop = FALSE]
#      d
# 2 30,5

或更简单

subset(df, stri_count_regex(d, "\\d+") == 2)
#      d
# 2 30,5

---

更新＃2

这是一个基准，说明为什么一个应该考虑使用外部包（@rengis答案不包括在内，因为它没有回答问题）

library(microbenchmark)
library(stringi)
d <- rep("30,3", 1e4)

microbenchmark( akrun = nchar(gsub('[^,]', '', d))+1,
                GG1 = count.fields(textConnection(d), sep = ","),
                GG2 = sapply(gregexpr(",", d), length) + 1,
                DA1 = stri_count_regex(d, "\\d+"),
                DA2 = stri_count_fixed(d, ",") + 1)

# Unit: microseconds
#  expr       min         lq       mean     median        uq       max neval
# akrun  8817.950  9479.9485 11489.7282 10642.4895 12480.845  46538.39   100
#   GG1 55451.474 61906.2460 72324.0820 68783.9935 78980.216 150673.72   100
#   GG2 33026.455 43349.5900 60960.8762 51825.6845 72293.923 203126.27   100
#   DA1  4730.302  5120.5145  6206.8297  5550.7930  7179.536  10507.09   100
#   DA2   380.147   418.2395   534.6911   448.2405   597.259   2278.11   100

Answer 5

接受的答案略有变化，不需要包装。使用示例d <- c("1,2,3", "5,2")

lengths(strsplit(d, ","))

> [1] 3 2

或作为data.frame

df <- data.frame(d = d)

df$counts <- lengths(strsplit(df$d, ","))

df

#----
    d counts
1,2,3      3
  5,2      2