我有以下字符串：
str(seqN)
chr [1:704] "010000100100001010000100010001000100000100101000010001001000001001001000001000010010000100100100010000101000010"| __truncated__ ...
是的，它们是非常长的字符串（704个长度为1000的字符串），由0和1组成。它们是已经热编码的序列。
由于我想将其输入到卷积模型中，因此我需要某种输入形状，因此我想将每个字符串分成长度为4的子组（以匹配单次编码）。
问题是R不允许我拆分该字符串，就像该字符串不可拆分一样。
例如，如果我执行以下代码：
seqN2 <- array_reshape(seqN,c(704,250,4))
它给了我这个错误：
py_call_impl（可调用，dots $ args，dots $ keywords）错误：
ValueError：无法将大小为704的数组重塑为形状（704,250,4）
我该怎么做才能获得所需的形状（704,250,4）？
答案 0 :(得分：4)
我们可以使用strsplit中的base R
lst1 <- strsplit(seqN, "(?<=.{4})", perl = TRUE)
输出将是list秒中的vector秒。不确定转换为数字。可能是
lst2 <- lapply(lst1, strtoi, base = 2)
或者正如评论中提到的OP一样，它只是转换为整数
lst2 <- lapply(lst1, as.integer)
如果它们的长度相同，也可以通过matrix设置rbind元素将其转换为list
out <- do.call(rbind, lst2)
答案 1 :(得分：2)
这是将长字符串拆分为长度为4的子字符串的一种简单方法。
只需根据需要调整变量n：
mystring <- "110010101101"
n <- 2 # n <- nchar(mystring) / 4 -1
sapply(1 + 4*0:n, function(z) substr(mychar, z, z+3))
[1] "1100" "1010" "1101"
答案 2 :(得分：2)
您可以stringr提取所有序列，最多4个字符：
library(stringr)
str_extract_all(seqN, ".{1,4}", simplify = T)[1,]
[1] "0100" "0010" "0100" "0010" "1000" "0100" "0100" "0100" "0100" "0001" "0010" "1000" "0100" "0100" "1000" "0010" "0100" "1000" "0010"
[20] "0001" "0010" "0001" "0010" "0100" "0100" "0010" "1000" "010"