使用 R 计算字符串中的连续模式答案

【问题标题】：Counting consecutive patterns in strings using R使用 R 计算字符串中的连续模式
【发布时间】：2015-12-01 15:11:52
【问题描述】：

我正在尝试编写一个函数来计算模式的连续实例数。例如，我想要字符串

string<-"A>A>A>B>C>C>C>A>A"

变身

"3 A > 1 B > 3 C > 2 A"

我有一个计算每个字符串实例的函数，见下文。但它并没有达到我想要的排序效果。任何想法或指示？

谢谢，

现有功能：

fnc_gen_PathName <- function(string) {
p <- strsplit(as.character(string), ";")
p1 <- lapply(p, table)
p2 <- lapply(p1, function(x) {
sapply(1:length(x), function(i) {
  if(x[i] == 25){
    paste0(x[i], "+ ", names(x)[i])
  } else{
    paste0(x[i], "x ", names(x)[i])
  }
})
})
p3 <- lapply(p2, function(x) paste(x, collapse = "; "))
p3 <- do.call(rbind, p3)
return(p3)
}

【问题讨论】：

你看过rle()函数吗？如果您将字符串拆分为向量，应该可以正常工作。
完美，非常感谢。以前从未听说过该功能，但非常易于使用。

标签： r stringr

【解决方案1】：

正如@MrFlick 所说，您可以使用rle 和strsplit 尝试以下操作

with(rle(strsplit(string, ">")[[1]]), paste(lengths, values, collapse = " > "))
## [1] "3 A > 1 B > 3 C > 2 A"

【讨论】：

【解决方案2】：

这里有两种 dplyr 解决方案：一种是常规的，一种是带有 rle 的。优点是：可以输入多个字符串作为向量，在重新嵌套之前构建一个整洁的中间数据集。

library(dplyr)
library(tidyr)
library(stringi)

strings = "A>A>A>B>C>C>C>A>A"


data_frame(string = strings) %>%
  mutate(string_split =
           string %>%
           stri_split_fixed(">")) %>%
  unnest(string_split) %>%
  mutate(ID = 
           string_split %>%
           lag %>%
           `!=`(string_split) %>%
           plyr::mapvalues(NA, TRUE) %>%
           cumsum) %>%
  count(string, ID, string_split) %>%
  group_by(string) %>%
  summarize(new_string =
              paste(n, 
                    string_split, 
                    collapse = " > ") )

data_frame(string = strings) %>%
  group_by(string) %>%
  do(.$string %>%
       first %>%
       stri_split_fixed(">") %>%
       first %>%
       rle %>%
       unclass %>%
       as.data.frame) %>%
  summarize(new_string = 
              paste(lengths, values, collapse = " > "))

【讨论】：