Question

我在向量中有数千个数字串，每个数字代表以语音为单位的音调实现（下降，上升，下降等）。举例说明：

Tones <- c("2222", "1411", "112", "815", "21111522")

我想为每个字符串获取的是一个可变性指数，

将字符串中的每个数字与下一个数字进行比较，
存储＆＃34; 1＆＃34;如果下一个号码与前一个号码不同号码，
存储＆＃34; 0＆＃34;如果下一个数字等于前面的数字，
将这些存储的值和
将它们除以数字对的总数。

例如，对于＆＃34; 2222＆＃34;，变异性指数为0，因为字符串中的第一个数字等于第二个数字，第二个数字等于第三个数字，第三个数字等于最后一个数字。因此，可变性指数将是（0 + 0 + 0）/ 3 = 0。对于字符串＆＃34; 1411＆＃34;索引将是（1 + 1 + 0）/3=0.6666667因为＆＃34; 1＆＃34;不同于＆＃34; 4＆＃34;，＆＃34; 4＆＃34;不同于＆＃34; 1＆＃34;和＆＃34; 1＆＃34;等于＆＃34; 1＆＃34;。

我想我们必须从拆分字符串开始：

TonesSplit <- strsplit(Tones, split="")

给出一个列表，然后使用for循环和if子句来寻址列表切片中的单元格。我该怎么做才不知道。我非常感谢有关如何编程的建议。

Answer 1

base单线R解决方案：

vapply(Tones,function(x) length(rle(charToRaw(x))$lengths)-1,1)/(nchar(Tones)-1)
#     2222      1411       112       815  21111522 
#0.0000000 0.6666667 0.5000000 1.0000000 0.4285714

一些解释：

with charToRaw我得到每个字符串的原始字节内容;
with rle我得到了重复字符序列的数量。这些变化只是序列数少于一个;
with vapply我将每个字符串应用于函数;
with nchar我得到每个字符串的字符数。

Answer 2

这应该这样做：

library(dplyr)

Tones <- c("2222", "1411", "112", "815", "21111522")

TonesSplit <- lapply(strsplit(Tones, split=""), as.numeric)

sapply(TonesSplit, function(x){
  sum(ifelse(x != dplyr::lag(x, 1), 1, 0), na.rm = T)/(length(x)-1)
})

[1] 0.0000000 0.6666667 0.5000000 1.0000000 0.4285714

在ifelse中，我们使用dplyr::lag()将每个分割数向量与向量[-1]进行比较，从而生成以NA开头的新向量，然后给出{ {1}}或0，具体取决于条件。然后我们对此向量求和，忽略1，并将其除以NA，这是对的数量。

length(x)-1表明@nicola的解决方案要快得多：

microbenchmark

计算R中数字串的变异性指数

2 个答案: