R, ""的计数频率答案

【问题标题】：R, count frequency of ""R, ""的计数频率
【发布时间】：2013-12-08 19:59:31
【问题描述】：

解析一个html文件后，我得到了这样的东西，我想计算“”（第3行）的频率

html_1

[1]"I'm working"
[2]" "
[3]""
[4]" "

class(html_1)
character

我会对普通数据框使用表函数，但是一旦我将其更改为数据框，它就会变成如下所示，所以我无法区分“”和“”了。

html_2 <- as.data.frame(html_1)
html_2

I'm working

计算“”有什么建议吗？

【问题讨论】：

标签： r frequency

【解决方案1】：

这主要基于@Roman 的回答，但 (1) 向您展示了一种“查看”空格的不同方式，并且 (2) 向您展示了一种不同的制表理念：

html_1 <- c("I'm working here", " ", "", " ", "No", NA, "")
html_2 <- as.data.frame(html_1)

print 有一个 quote 参数，可让您在列周围加上引号，以便更轻松地查看前导和尾随空格。这在这里也很有帮助。

print(html_2, quote = TRUE)
#               html_1
# 1 "I'm working here"
# 2                " "
# 3                 ""
# 4                " "
# 5               "No"
# 6                 NA
# 7                 ""

制表就像寻找一个看起来像""的字符串一样简单：

html_2$html_1 == ""
# [1] FALSE FALSE  TRUE FALSE FALSE    NA  TRUE
table(html_2$html_1 == "")
# 
# FALSE  TRUE 
#     4     2

或者，您可以计算每个项目中有多少个字符以获得相同的信息。在这里，0 显然是感兴趣的字符串（但我不喜欢 NA 被计为两个字符）。

table(nchar(as.character(html_2$html_1)))
# 
#  0  1  2 16 
#  2  2  2  1

【讨论】：

非常感谢！真的很有帮助！

【解决方案2】：

您可以使用正则表达式来查找空字符串：

html1 <- c("I'm working here", " ", "", " ")
idx <- grepl("^$", html1)
# [1] FALSE FALSE  TRUE FALSE

在上面的代码中，^$ 表示""。计算空字符串：

table(idx)
# idx
# FALSE  TRUE 
#     3     1

【讨论】：

谢谢！我不知道我可以对“”使用正则表达式

【解决方案3】：

选择一个：

sum(html_1 == "")

sum(nchar(html_1) == 0)

【讨论】：

谢谢！非常简洁的答案=)