计算模式并区分它们答案

【问题标题】：Count patterns and differentiate them计算模式并区分它们
【发布时间】：2016-01-17 23:20:09
【问题描述】：

我想为数据帧的每一行计算一个字符串中定义的模式（这里：'Y'）。理想情况下，我希望在 V3 中出现多次，在 V4 中获得长度。

输入：

V1  V2
A   XXYYYYY
B   XXYYXX
C   XYXXYX
D   XYYXYX

输出：

V1       V2 V3   V4
 A  XXYYYYY  1    5
 B   XXYYXX  1    2
 C   XYXXYX  2  1,1
 D   XYYXYX  2  2,1

我尝试了以下函数的不同修改，但没有成功。

dict <- setNames(nm=c("Y"))
seqs <- df$V2
sapply(dict, str_count, string=seqs)

提前致谢！

【问题讨论】：

我相信str_ 函数都应该被矢量化。无需sapply 他们。此外，gregexpr("Y", df$V2) 本质上应该在基础 R 中给出这个。
谢谢，但您的解决方案给出了“Y”的位置，而不是出现次数和/或长度
@thelatemail 如果您将模式更改为"Y+"，匹配长度将被正确捕获。
@steveb - 是的，我忘记了+。
@user2904120 输出“D”的最后一行缺少“Y”（参见输入）。

标签： r count stringr find-occurrences

【解决方案1】：

另一个基本 R 解决方案，但使用 regexpr:

df <- data.frame(
  V1 = c("A", "B", "C", "D"),
  V2 = c("XXYYYYY", "XXYYXX" , "XYXXYX", "XYYXYX")
)

提取regexpr 输出的match.length 属性，然后计算每个属性的长度（告诉您有多少匹配项）：

r <- gregexpr("Y+", df$V2)
len <- lapply(r, FUN = function(x) as.array((attributes(x)[[1]])))
df$V3 <- lengths(len)
df$V4 <- len

df
#V1      V2 V3   V4
#1  A XXYYYYY  1    5
#2  B  XXYYXX  1    2
#3  C  XYXXYX  2 1, 1
#4  D  XYYXYX  2 2, 1

如果你有一个旧版本的 R 没有 lengths，但你可以使用 df$V3 <- sapply(len, length) 代替。如果您需要更通用的函数来对任何向量 x 和模式 a 执行相同操作：

foo <- function(x, a){
  ans <- data.frame(x)
  r <- gregexpr(a, x)
  len <- lapply(r, FUN = function(z) as.array((attributes(z)[[1]])))
  ans$quantity <- lengths(len)
  ans$lengths <- len
  ans
}

试试foo(df$V2, 'Y+')。

【讨论】：

【解决方案2】：

这是stringr 解决方案：

df <- data.frame(
  V1 = c("A", "B", "C", "D"),
  V2 = c("XXYYYYY", "XXYYXX" , "XYXXYX", "XYYXYX")
  )

df$V3 <- str_count(df$V2, "Y+")

df$V4 <- lapply(str_locate_all(df$V2, "Y+"), function(x) {
    paste(x[, 2] - x[, 1] + 1, collapse = ",")
  })

【讨论】：

in df$V3

【解决方案3】：

在基础 R 中：

aaa <- data.frame(V1 = LETTERS[1:4], 
                  V2 = c("XXYYYYY", "XXYYXX", "XYXXYX", "XYYXYX"),
                  stringsAsFactors = FALSE)

# split into strings of "Y"s
splt <- lapply(aaa$V2, function(x) unlist(strsplit(x, "[^Y]+"))[-1])

# number of occurrences
aaa$V3 <- lapply(splt, length)

# length of each occurence
aaa$V4 <- lapply(splt, function(x) paste(nchar(x), collapse = ","))

【讨论】：

任何想法如何将其作为一个函数运行，因此可以简单地指定一种模式，例如“Y”、“YY”还是“X”？
@user2904120 请参阅下面的函数答案