R中字符的匹配和计数字符串答案

【问题标题】：Matching and Counting Strings of Characters in RR中字符的匹配和计数字符串
【发布时间】：2015-08-10 03:25:27
【问题描述】：

我有一个由 4 个字母 J, K, Q, Z 的所有可能组合组成的字符串数组。数组中的条目至少由两个字母组成，最多由 4 个字母组成。例如：data<-c("QK", "KQ", "JKQZ", "KJZ")。

我想计算数组中每个条目出现的次数，但不区分由相同字母组成但顺序不同的字符串。我知道table(data) 不会这样做，因为它认为QK 和KQ 不同并返回

data
JKQZ  KJZ   KQ   QK 
   1    1    1    1

我一直在查看pmatch 或charmatch，但这似乎并没有达到我想要的效果。

编辑：我应该澄清没有重复字母的条目。本质上，我不能有一个条目ZZ 或KZK

【问题讨论】：

这是一个 awkword 可能的解决方案table(sapply(strsplit(data, ""), function(x) paste(sort(x), collapse = "")))
所以，基本上，它会按字母顺序重写每个条目，然后使用 table()，对吗？
是的，类似的...
“QQQ”是放在自己的桶里，还是和“Q”聚合？
我应该澄清一下，不允许在同一个条目中重复字母。

标签： r string character

【解决方案1】：

这是大卫评论/答案的更长变体：

vals    <- sort(unique(unlist(strsplit(data,''))))
combos  <- unlist(sapply(seq_along(vals),function(i)combn(vals,i,paste0,collapse="")))
newdata <- factor(sapply(strsplit(data,""),function(x)paste0(sort(x),collapse="")),
             levels=combos)
tab <- table(newdata)
# newdata
#    J    K    Q    Z   JK   JQ   JZ   KQ   KZ   QZ  JKQ  JKZ  JQZ  KQZ JKQZ 
#    0    0    0    0    0    0    0    2    0    0    0    1    0    0    1 
tab[tab>0] # alternately
#   KQ  JKZ JKQZ 
#    2    1    1

【讨论】：

【解决方案2】：

我会首先为每个观察创建一个表（设置为获取零单元格的一个因素），然后对每个表进行散列并计算：

require(magrittr)
require(digest)
data<-c("QK", "KQ", "JKQZ", "KJZ")
tbl <- strsplit(data, "") %>% lapply(factor,levels=c("K","Q", "J", "Z")) %>%
lapply(table) %>%  do.call(what=rbind)
tbl

这给出了这个：

     K Q J Z
[1,] 1 1 0 0
[2,] 1 1 0 0
[3,] 1 1 1 1
[4,] 1 0 1 1

然后散列和计数：

h <- apply(tbl, 1, digest)
tbl <- cbind(tbl, count=as.vector(table(h)[h]))
tbl <- tbl[!duplicated(h), ]

结果如下：

     K Q J Z count
[1,] 1 1 0 0     2
[2,] 1 1 1 1     1
[3,] 1 0 1 1     1

【讨论】：