如何计算字符串列的每一行中给定字符的出现次数？

小开

我相信有人可以做得更好，但这个可以:

sapply(as.character(q.data$string), function(x, letter = "a"){
sum(unlist(strsplit(x, split = "")) == letter)
})
greatgreat      magic        not
2          1          0

或在一个功能:

countLetter <- function(charvec, letter){
sapply(charvec, function(x, letter){
sum(unlist(strsplit(x, split = "")) == letter)
}, letter = letter)
}
countLetter(as.character(q.data$string),"a")

小开

最佳答案

Stringr 包提供了 str_count函数，它似乎可以完成您感兴趣的工作

# Load your example data
q.data<-data.frame(number=1:3, string=c("greatgreat", "magic", "not"), stringsAsFactors = F)
library(stringr)


# Count the number of 'a's in each element of string
q.data$number.of.a <- str_count(q.data$string, "a")
q.data
#  number     string number.of.a
#1      1 greatgreat           2
#2      2      magic           1
#3      3        not           0

小开

如果你不想离开基数 R，这里有一个相当简洁明了的可能性:

x <- q.data$string
lengths(regmatches(x, gregexpr("a", x)))
# [1] 2 1 0

小开

nchar(as.character(q.data$string)) -nchar( gsub("a", "", q.data$string))
[1] 2 1 0

请注意，在传递给 nchar 之前，我将 factor 变量强制转换为 string。正则表达式函数似乎在内部执行此操作。

下面是基准测试结果(将测试的大小放大到3000行)

 q.data<-q.data[rep(1:NROW(q.data), 1000),]
str(q.data)
'data.frame':   3000 obs. of  3 variables:
$ number     : int  1 2 3 1 2 3 1 2 3 1 ...
$ string     : Factor w/ 3 levels "greatgreat","magic",..: 1 2 3 1 2 3 1 2 3 1 ...
$ number.of.a: int  2 1 0 2 1 0 2 1 0 2 ...


benchmark( Dason = { q.data$number.of.a <- str_count(as.character(q.data$string), "a") },
Tim = {resT <- sapply(as.character(q.data$string), function(x, letter = "a"){
sum(unlist(strsplit(x, split = "")) == letter) }) },


DWin = {resW <- nchar(as.character(q.data$string)) -nchar( gsub("a", "", q.data$string))},
Josh = {x <- sapply(regmatches(q.data$string, gregexpr("g",q.data$string )), length)}, replications=100)
#-----------------------
test replications elapsed  relative user.self sys.self user.child sys.child
1 Dason          100   4.173  9.959427     2.985    1.204          0         0
3  DWin          100   0.419  1.000000     0.417    0.003          0         0
4  Josh          100  18.635 44.474940    17.883    0.827          0         0
2   Tim          100   3.705  8.842482     3.646    0.072          0         0

小开

s <- "aababacababaaathhhhhslsls jsjsjjsaa ghhaalll"
p <- "a"
s2 <- gsub(p,"",s)
numOcc <- nchar(s) - nchar(s2)

也许不是最有效率的，但是解决了我的目标

小开

另一个不错的选择是使用 CharToRaw:

sum(charToRaw("abc.d.aa") == charToRaw('.'))

小开

恕我直言，最简单、最干净的方法是:

q.data$number.of.a <- lengths(gregexpr('a', q.data$string)) # number string number.of.a` #1 1 greatgreat 2` #2 2 magic 1` #3 3 not 0`

小开

你可以用弦分法

require(roperators) my_strings <- c('apple', banana', 'pear', 'melon') my_strings %s/% 'a'

也可以对正则表达式和整个单词使用字符串除法。

小开

stringi包提供了非常快速的函数 stri_count和 stri_count_fixed。

stringi::stri_count(q.data$string, fixed = "a") # [1] 2 1 0

基准

与最快的方法相比，从 @ 42-的回答和 stringr包中的等效函数的载体有30.000个元素。

library(microbenchmark) benchmark <- microbenchmark( stringi = stringi::stri_count(test.data$string, fixed = "a"), baseR = nchar(test.data$string) - nchar(gsub("a", "", test.data$string, fixed = TRUE)), stringr = str_count(test.data$string, "a") ) autoplot(benchmark)

资料

q.data <- data.frame(number=1:3, string=c("greatgreat", "magic", "not"), stringsAsFactors = FALSE) test.data <- q.data[rep(1:NROW(q.data), 10000),]

小开

下面的问题已经移动到这里，但似乎这一页不直接回答法拉艾尔的问题。如何在 R 中找到101中的数字1

所以，以防万一，我会在这里写一个答案。

library(magrittr) n %>% # n is a number you'd like to inspect as.character() %>% str_count(pattern = "1")

Https://stackoverflow.com/users/8931457/farah-el

小开

https://stackoverflow.com/a/12430764/589165的一个变体是

> nchar(gsub("[^a]", "", q.data$string)) [1] 2 1 0

小开

base R的另一个选择可能是:

lengths(lapply(q.data$string, grepRaw, pattern = "a", all = TRUE, fixed = TRUE)) [1] 2 1 0

小开

下一个表达式完成这项工作，并且也适用于符号，而不仅仅是字母。

这个短语的作用如下:

1: 它对 dataframe q.data 的列使用 lapplication 来迭代列2的行(“ lapplication (q.data [ ，2] ,”) ,

2: 它适用于列2的每一行，一个函数“ function (x){ sum (‘ a’= = strsplit (as.trait (x) ,”)[[1]])}”。该函数获取列2(x)的每个行值，转换为字符(例如，如果它是一个因子的话) ，并对每个字符进行字符串分割(“ strsplit (as.role (x) ,”)”)。因此，我们得到了一个向量，其中包含列2中每一行的字符串值的每一个字符。

3: 将向量的每个向量值与要计数的所需字符进行比较，在本例中为“ a”(“‘ a’= =”)。此操作将返回 True 和 False 值“ c (True，False，True，... .)”的向量，当向量中的值与要计数的所需字符匹配时，该值为 True。

4: 字符‘ a’在行中出现的总次数计算为向量“ sum (...)”中所有‘ True’值的总和。

5: 然后应用“ unlist”函数来解压“ lapplication”函数的结果，并将其分配给数据框中的一个新列(“ q.data $number.of.a <-unlist (... .”)

q.data$number.of.a<-unlist(lapply(q.data[,2],function(x){sum('a' == strsplit(as.character(x), '')[[1]])})) >q.data # number string number.of.a #1 greatgreat 2 #2 magic 1 #3 not 0

小开

另一个以 R 为基数的答案，不如@IRTFM 和@Finn (或者使用 stringi/stringr的答案)那么好，但比其他答案好:

sapply(strsplit(q.data$string, split=""), function(x) sum(x %in% "a")) q.data<-data.frame(number=1:3, string=c("greatgreat", "magic", "not")) q.data<-q.data[rep(1:NROW(q.data), 3000),] library(rbenchmark) library(stringr) library(stringi) benchmark( Dason = {str_count(q.data$string, "a") }, Tim = {sapply(q.data$string, function(x, letter = "a"){sum(unlist(strsplit(x, split = "")) == letter) }) }, DWin = {nchar(q.data$string) -nchar( gsub("a", "", q.data$string, fixed=TRUE))}, Markus = {stringi::stri_count(q.data$string, fixed = "a")}, Finn={nchar(gsub("[^a]", "", q.data$string))}, tmmfmnk={lengths(lapply(q.data$string, grepRaw, pattern = "a", all = TRUE, fixed = TRUE))}, Josh1 = {sapply(regmatches(q.data$string, gregexpr("g",q.data$string )), length)}, Josh2 = {lengths(regmatches(q.data$string, gregexpr("g",q.data$string )))}, Iago = {sapply(strsplit(q.data$string, split=""), function(x) sum(x %in% "a"))}, replications =100, order = "elapsed") test replications elapsed relative user.self sys.self user.child sys.child 4 Markus 100 0.076 1.000 0.076 0.000 0 0 3 DWin 100 0.277 3.645 0.277 0.000 0 0 1 Dason 100 0.290 3.816 0.291 0.000 0 0 5 Finn 100 1.057 13.908 1.057 0.000 0 0 9 Iago 100 3.214 42.289 3.215 0.000 0 0 2 Tim 100 6.000 78.947 6.002 0.000 0 0 6 tmmfmnk 100 6.345 83.487 5.760 0.003 0 0 8 Josh2 100 12.542 165.026 12.545 0.000 0 0 7 Josh1 100 13.288 174.842 13.268 0.028 0 0