匹配中的R模式

Question

我有两行和每列包含一个字符，这大致是这样的20列data.frame（列蜷缩在这里为清楚起见）：

 Cols 1-20 
    row1 ghuytuthjilujshdftgu 
    row2 ghuytuthjilujshdftgu 

我想机制，用于从位置10开始逐个字符（逐列）比较这两个字符串并向外扫描，返回匹配字符的数量，直到遇到第一个差异。在这种情况下，显然两行都是相同的，所以答案是20.重要的是，即使它们完全相同，就像上面的情况一样，不应该有错误消息（它应该被返回） 。

利用该替代示例中，答案应为12：

Cols 1-20 
row1 ghuytuthjilujshdftgu 
row2 XXXXXXXXjilujshdftgu 

下面是一些代码，以产生数据帧：

r1 <- "ghuytuthjilujshdftgu" 
r2 <- "ghuytuthjilujshdftgu" 
df1 <- as.data.frame(rbind(unlist(strsplit(r1, "")), unlist(strsplit(r1, "")))) 

r1 <- "ghuytuthjilujshdftgu" 
r2 <- "XXXXXXXXjilujshdftgu" 
df1 <- as.data.frame(rbind(unlist(strsplit(r1, "")), unlist(strsplit(r1, "")))) 

编辑。

该对象的类别的是data.frame并且它是subsettable-昏暗= 2,20（各列/字符是在其自己的访问）

Answer 1

下面是拆分DF成两片的答案（从中心向左和向右，重新排序左边，以便从中心到第一个值），然后使用cumsum和NA计算长度，以便cumsum一旦出现不匹配就变为NA，然后找到最高索引值不是NA来表示从中心开始的最长拉伸而没有不匹配。

sim_len <- function(df, center=floor(ncol(df)/2)) { 
    dfs <- list(df[, max(center, 1):1, drop=F], df[, center:ncol(df), drop=F]) 
    df.count <- lapply(dfs, function(df) { 
    diff <- cumsum(ifelse(df[1, ] == df[2, ], 1, NA_integer_)) 
    diff[max(which(!is.na(diff)))] 
    }) 
    max(0L, sum(unlist(df.count)) - 1L) 
} 

这里是运行它（as.data.frame企业只是从创建的字符串数据帧的一些例子。请注意，“中心”列中的最后一行计算两次，因此-1L该功能。

r1 <- "ghuytuthjilujshdftgu" 
r2 <- "ghuytuthjilujshdftgu" 
df1 <- as.data.frame(rbind(unlist(strsplit(r1, "")), unlist(strsplit(r1, "")))) 
sim_len(df1) 
# [1] 20 

r1 <- "ghuytut3jilujshdftgu" 
r2 <- "ghuytuthjilujshdftgu" 
df2 <- as.data.frame(rbind(unlist(strsplit(r1, "")), unlist(strsplit(r2, "")))) 
sim_len(df2) 
# [1] 12 

r1 <- "ghuytut3jilujshdftgu" 
r2 <- "ghuytuthjilujxhdftgu" 
df3 <- as.data.frame(rbind(unlist(strsplit(r1, "")), unlist(strsplit(r2, "")))) 
sim_len(df3) 
# [1] 5 

r1 <- "ghuytut3xilujshdftgu" 
r2 <- "ghuytuthjixujxhdftgu" 
df4 <- as.data.frame(rbind(unlist(strsplit(r1, "")), unlist(strsplit(r2, "")))) 
sim_len(df4) 
# [1] 1 

---

，报告左，右计数的变化。请注意，“中心”进行计数左，右，这样的总和左+右比什么报道1大原创功能：

sim_len2 <- function(df, center=floor(ncol(df)/2)) { 
    dfs <- list(left=df[, max(center, 1):1, drop=F], right=df[, center:ncol(df), drop=F]) 
    vapply(dfs, 
    function(df) { 
     diff <- cumsum(ifelse(df[1, ] == df[2, ], 1, NA_integer_)) 
     diff[max(which(!is.na(diff)))] 
     }, 
     numeric(1L) 
) } 
sim_len2(df1) 
# left right 
# 10 11 
sim_len2(df4, 4) 
# left right 
# 4  4