文字列の列の各行における特定の文字の出現数を計算するにはどうすればよいですか？

特定の変数にテキスト文字列が含まれているdata.frameがあります。個々の文字列内の特定の文字の出現回数をカウントしたいと思います。

例：

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

文字列での "a"の出現回数を含むq.dataの新しい列を作成したい（つまり、c（2,1,0））。

私が管理した唯一の複雑なアプローチは次のとおりです。

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

ストリンガーパッケージは、str_countあなたが興味を持っているように見える関数を提供します

# 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

ベースRを残したくない場合は、かなり簡潔で表現力豊かな可能性があります。

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

ncharに渡す前に、factor変数を文字に強制変換していることに注意してください。正規表現関数は内部でそれを行うように見えます。

これがベンチマークの結果です（テストのサイズを3000行に拡大）。

 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

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

良いオプションです。

stringiパッケージには、機能を提供stri_countし、stri_count_fixedこれは非常に高速です。

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

基準

最速のアプローチと比較すると、@ 42の答えとするから同等の機能をstringrパッケージ 30.000要素を持つベクトルについて。

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)

データ

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

https://stackoverflow.com/a/12430764/589165のバリエーションは

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

私は誰かがもっと上手くできると確信していますが、これはうまくいきます：

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

または関数内：

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

あなたは文字列の除算を使うことができます

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

これにより、1、3、1、0が得られます。正規表現や単語全体で文字列分割を使用することもできます。

IMHOが最も簡単でクリーンな方法です。

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`

以下の質問はここに移動しましたが、このページはファラエルの質問に直接回答していないようです。 Rで101の1を見つける方法

念のため、ここに回答を書きます。

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

さらに別のbase Rオプションは次のとおりです。

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

[1] 2 1 0

次の式はその役割を果たし、文字だけでなく記号にも使用できます。

式は次のように機能します。

1：データフレームq.dataの列にラッププライを使用して、列2の行を反復します（ "lapply（q.data [、2]、"）、

2：列2の各行に関数「function（x）{sum（ 'a' == strsplit（as.character（x）、 ''）[[1]]）}」が適用されます。この関数は、列2（x）の各行の値を取り、文字に変換し（たとえば、それが因子である場合）、すべての文字で文字列を分割します（ "strsplit（as.character（x）、 ' '） "）。その結果、列2の各行の文字列値の各文字を含むベクトルがあります。

3：ベクトルの各ベクトル値は、カウントする目的の文字（この場合は "a"（ "'a' =="））と比較されます。この操作は、TrueとFalseの値のベクトル「c（True、False、True、....）」のベクトルを返します。ベクトルの値が、カウントする必要な文字と一致するとTrueになります。

4：文字「a」が行に表示される合計時間は、ベクトル「sum（....）」内のすべての「True」値の合計として計算されます。

5：次に、「unlist」関数を適用して、「lapply」関数の結果をアンパックし、データフレームの新しい列に割り当てます（ "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)

効率的ではないかもしれませんが、私の目的を解決します。