R中的K-mer单词答案

【问题标题】：K-mer words in RR中的K-mer单词
【发布时间】：2021-10-04 18:07:23
【问题描述】：

我还是 R 编程的新手，我只是不知道如何在下面从 python 到 R 编写相同的代码。

human_data 是来自 CSV 文件的数据框。这个词包括字母序列。基本上，我想将字符串的“单词”列序列转换为所有可能的长度为 6 的 k-mer 单词。

def getKmers(sequence, size=6):
    return [sequence[x:x+size] for x in range(len(sequence) - size + 1)]

human_data['words'] = human_data.apply(lambda x: getKmers(x['sequence']), axis=1)

【问题讨论】：

标签： r nlp

【解决方案1】：

您也可以使用库 quanteda 来计算 k-mers (k-grams)，以下代码显示了一个示例：

library(quanteda)
k = 6 # 6-mers
human_data = data.frame(sequence=c('abcdefghijkl', 'xxxxyyxxyzz'))
human_data$words <- apply(human_data, 1, 
                          function(x) char_ngrams(unlist(tokens(x['sequence'], 
                                      'character')), n=k, concatenator = ''))
human_data
#      sequence                                                  words
#1 abcdefghijkl abcdef, bcdefg, cdefgh, defghi, efghij, fghijk, ghijkl
#2  xxxxyyxxyzz         xxxxyy, xxxyyx, xxyyxx, xyyxxy, yyxxyz, yxxyzz

【讨论】：

【解决方案2】：

我希望这会有所帮助，使用 R 基本命令：

df = data.frame(words=c('asfdklajsjahk', 'dkajsadjkfggfh', 'kfjlhdaDDDhlw'))


getKmers = function(sequence, size=6) {
    kmers = c()
    for (x in 1:(nchar(sequence) - size + 1)) {
        kmers = c(kmers, substr(sequence, x, x+size-1))
    }
    return(kmers)
}

sapply(df$words, getKmers)

【讨论】：