Как рассчитать количество вхождений данного символа в каждую строку столбца строк?

У меня есть data.frame, в котором определенные переменные содержат текстовую строку. Я хочу подсчитать количество вхождений данного символа в каждую отдельную строку.

Пример:

q.data<-data.frame(number=1:3, string=c("greatgreat", "magic", "not"))

Я хочу создать новый столбец для q.data с числом вхождений "a" в строке (т.е. c (2,1,0)).

Единственный запутанный подход, который мне удалось сделать, это:

string.counter<-function(strings, pattern){  
  counts<-NULL
  for(i in 1:length(strings)){
    counts[i]<-length(attr(gregexpr(pattern,strings[i])[[1]], "match.length")[attr(gregexpr(pattern,strings[i])[[1]], "match.length")>0])
  }
return(counts)
}

string.counter(strings=q.data$string, pattern="a")

 number     string number.of.a
1      1 greatgreat           2
2      2      magic           1
3      3        not           0

Пакет stringr предоставляет str_countфункцию, которая, кажется, делает то, что вам интересно.

# 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

Если вы не хотите покидать базовый R, вот довольно лаконичная и выразительная возможность:

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

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

Обратите внимание, что перед переходом к nchar я преобразовываю факторную переменную в символ. Похоже, что функции регулярных выражений делают это внутри.

Вот результаты теста (с увеличенным размером теста до 3000 строк)

 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

Еще один хороший вариант с использованием charToRaw :

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

stringiПакет обеспечивает функцию stri_countи stri_count_fixedкоторые очень быстро.

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

ориентир

По сравнению с самым быстрым подходом из ответа @ 42- и эквивалентной функцией из stringrпакета для вектора с 30,000 элементами.

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)

данные

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

Вариант https://stackoverflow.com/a/12430764/589165 - это

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

Я уверен, что у кого-то получится лучше, но это работает:

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

или в функции:

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

Вы можете просто использовать строковое деление

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

Что даст вам 1, 3, 1, 0. Вы также можете использовать строковое деление с регулярными выражениями и целыми словами.

Самый простой и чистый способ ИМХО:

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`

Приведенный ниже вопрос был перемещен сюда, но, похоже, эта страница не отвечает напрямую на вопрос Фарах Эль. Как найти цифры 1 в 101 в R

На всякий случай напишу здесь ответ.

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

Еще один base Rвариант:

lengths(lapply(q.data$string, grepRaw, pattern = "a", all = TRUE, fixed = TRUE))

[1] 2 1 0

Следующее выражение выполняет свою работу и работает не только с буквами, но и с символами.

Выражение работает следующим образом:

1: он использует lapply для столбцов кадра данных q.data для перебора строк столбца 2 ("lapply (q.data [, 2],"),

2: к каждой строке столбца 2 применяется функция "function (x) {sum ('a' == strsplit (as.character (x), '') [[1]])}". Функция принимает значение каждой строки столбца 2 (x), преобразует его в символ (например, в случае, если это фактор), и выполняет разбиение строки на каждый символ ("strsplit (as.character (x), ' ') "). В результате у нас есть вектор с каждым символом строкового значения для каждой строки столбца 2.

3: Каждое векторное значение вектора сравнивается с желаемым символом для подсчета, в данном случае "a" ("'a' =="). Эта операция вернет вектор значений True и False «c (True, False, True, ....)», которые будут True, когда значение в векторе совпадает с желаемым символом для подсчета.

4: Общее количество появлений символа «а» в строке рассчитывается как сумма всех «истинных» значений в векторе «сумма (....)».

5: Затем применяется функция «unlist», чтобы распаковать результат функции «lapply» и присвоить его новому столбцу в фрейме данных («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

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

Может быть, не самый эффективный, но решит мою задачу.