我正在計算長單詞向量中特定字母的數量。計算r中單詞向量中特定字母的出現
例如:
我想在下面的矢量來算字母「A」的數。
myvec <- c("A", "KILLS", "PASS", "JUMP", "BANANA", "AALU", "KPAL")
那麼預期輸出是:
c(1,0,1,0, 3,2,1)
任何想法?
我正在計算長單詞向量中特定字母的數量。計算r中單詞向量中特定字母的出現
例如:
我想在下面的矢量來算字母「A」的數。
myvec <- c("A", "KILLS", "PASS", "JUMP", "BANANA", "AALU", "KPAL")
那麼預期輸出是:
c(1,0,1,0, 3,2,1)
任何想法?
另一個posibility:
myvec <- c("A", "KILLS", "PASS", "JUMP", "BANANA", "AALU", "KPAL")
sapply(gregexpr("A", myvec, fixed = TRUE), function(x) sum(x > -1))
## [1] 1 0 1 0 3 2 1
編輯這是乞討的基準:
library(stringr); library(stringi); library(microbenchmark); library(qdapDictionaries)
myvec <- toupper(GradyAugmented)
GREGEXPR <- function() sapply(gregexpr("A", myvec, fixed = TRUE), function(x) sum(x > -1))
GSUB <- function() nchar(gsub("[^A]", "", myvec))
STRSPLIT <- function() sapply(strsplit(myvec,""), function(x) sum(x=='A'))
STRINGR <- function() str_count(myvec, "A")
STRINGI <- function() stri_count(myvec, fixed="A")
VAPPLY_STRSPLIT <- function() vapply(strsplit(myvec,""), function(x) sum(x=='A'), integer(1))
(op <- microbenchmark(
GREGEXPR(),
GSUB(),
STRINGI(),
STRINGR(),
STRSPLIT(),
VAPPLY_STRSPLIT(),
times=50L))
## Unit: milliseconds
## expr min lq mean median uq max neval
## GREGEXPR() 477.278895 631.009023 688.845407 705.878827 745.73596 906.83006 50
## GSUB() 197.127403 202.313022 209.485179 205.538073 208.90271 270.19368 50
## STRINGI() 7.854174 8.354631 8.944488 8.663362 9.32927 11.19397 50
## STRINGR() 618.161777 679.103777 797.905086 787.554886 906.48192 1115.59032 50
## STRSPLIT() 244.721701 273.979330 331.281478 294.944321 348.07895 516.47833 50
## VAPPLY_STRSPLIT() 184.042451 206.049820 253.430502 219.107882 251.80117 595.02417 50
boxplot(op)
而且stringi哮一些重大的尾巴。與簡單的gsub
方法一樣,vapply
+ strsplit
是一個很好的方法。肯定有趣的結果。
library(stringr)
str_count(myvec, "A")
#[1] 1 0 1 0 3 2 1
或
library(stringi)
stri_count(myvec, fixed="A")
#[1] 1 0 1 0 3 2 1
或
vapply(strsplit(myvec,""), function(x) sum(x=='A'), integer(1))
#[1] 1 0 1 0 3 2 1
2.最快和最慢的方法在這裏:-) +1 +1 – 2014-11-01 03:22:22
對於簡潔基礎R溶液,嘗試:
nchar(gsub("[^A]", "", myvec))
# [1] 1 0 1 0 3 2 1
sapply還可以用於:
> sapply(strsplit(myvec,""), function(x) sum(x=='A'))
[1] 1 0 1 0 3 2 1
爲基準不錯。 – akrun 2014-11-01 03:56:25
@SHRram請不要給我支票。我提供的基準主要是因爲我已經爲了自己的娛樂而運行它們。正如你可以看到我的答案接近底部。我真的會建議將支票授予您使用的答案。 – 2014-11-03 15:39:16