用grep

Question

确定字串的频率，如果我有一个载体

x <- c("ajjss","acdjfkj","auyjyjjksjj") 

做：

y <- x[grep("jj",x)] 
table(y) 

我得到：

y 
     ajjss auyjyjjksjj 
      1   1 

但是第二串 “auyjyjjksjj” 应该算子串“jj”两次。我怎样才能从真/假计算中改变这种情况，到实际计算“jj”的频率？

此外，如果对于每个字符串，子字符串的频率除以字符串的长度可以计算出来，这将是很大的。

在此先感谢。

Answer 1

我解决了这个使用gregexpr（）

x <- c("ajjss","acdjfkj","auyjyjjksjj") 
freq <- sapply(gregexpr("jj",x),function(x)if(x[[1]]!=-1) length(x) else 0) 
df<-data.frame(x,freq) 

df 
#   x freq 
#1  ajjss 1 
#2  acdjfkj 0 
#3 auyjyjjksjj 2 

而对于最后一部分的问题，计算频率/字符串长度 ...

df$rate <- df$freq/nchar(as.character(df$x)) 

的是nece ssary将df $ x转换回字符串，因为除非指定stringsAsFactors = F，否则data.frame（x，freq）会自动将字符串转换为因子。

df 
#   x freq  rate 
#1  ajjss 1 0.2000000 
#2  acdjfkj 0 0.0000000 
#3 auyjyjjksjj 2 0.1818182 

Answer 2

您正在使用错误的工具。尝试gregexpr，这将给你在搜索字符串被发现的位置（或-1，如果没有找到）：

> gregexpr("jj", x, fixed = TRUE) 
[[1]] 
[1] 2 
attr(,"match.length") 
[1] 2 
attr(,"useBytes") 
[1] TRUE 

[[2]] 
[1] -1 
attr(,"match.length") 
[1] -1 
attr(,"useBytes") 
[1] TRUE 

[[3]] 
[1] 6 10 
attr(,"match.length") 
[1] 2 2 
attr(,"useBytes") 
[1] TRUE 

Answer 3

您可以使用qdap（虽然不是在基地安装R）：

x <- c("ajjss","acdjfkj","auyjyjjksjj") 
library(qdap) 
termco(x, seq_along(x), "jj") 

## > termco(x, seq_along(x), "jj") 
## x word.count   jj 
## 1 1   1 1(100.00%) 
## 2 2   1   0 
## 3 3   1 2(200.00%) 

注意，输出具有频率和频率比较字数（输出实际上是一个列表，但打印漂亮输出）。要访问频率：

termco(x, seq_along(x), "jj")$raw 

## > termco(x, seq_along(x), "jj")$raw 
## x word.count jj 
## 1 1   1 1 
## 2 2   1 0 
## 3 3   1 2 

Answer 4

这简单的一行在base r利用strsplit，然后grepl，而且是相当强劲，但将打破，如果有计数的比赛就像jjjjjj为3手的jj。使这成为可能的模式匹配是从@JoshOBriens excellent Q&A：

sum(grepl("jj" , unlist(strsplit(x , "(?<=.)(?=jj)" , perl = TRUE)))) 



# Examples.... 
f<- function(x){ 
    sum(grepl("jj" , unlist(strsplit(x , "(?<=.)(?=jj)" , perl = TRUE)))) 
    } 

    #3 matches here 
    xOP <- c("ajjss","acdjfkj","auyjyjjksjj") 
    f(xOP) 
    # [1] 3 

    #4 here 
    x1 <- c("ajjss","acdjfkj", "jj" , "auyjyjjksjj") 
    f(x1) 
    # [1] 4 

    #8 here 
    x2 <- c("jjbjj" , "ajjss","acdjfkj", "jj" , "auyjyjjksjj" , "jjbjj") 
    f(x2) 
    # [1] 8 

    #Doesn't work yet with multiple jjjj matches. We want this to also be 8 
    x3 <- c("jjjj" , "ajjss","acdjfkj", "jj" , "auyjyjjksjj" , "jjbjj") 
    f(x3) 
    # [1] 7