确定字符在 r 中的出现

Question

我有一个域名列表（例如 google.com），我想创建一个由域名列和 26 个包含字母 a-z 的新列组成的数据框。数据框行应包含每个字母出现在每个域中的计数。我可以让它为单行工作，但不能为整个数据框工作。这是我目前所拥有的：

df_letters = data_frame(domain = domain_df$domain)
df_letters[, letters] = 0
head(df_letters)

    # A tibble: 6 × 27
         domain     a     b     c     d     e     f     g     h     i     j     k     l
          <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1    google.com     0     0     0     0     0     0     0     0     0     0     0     0
2   youtube.com     0     0     0     0     0     0     0     0     0     0     0     0
3  facebook.com     0     0     0     0     0     0     0     0     0     0     0     0
4     baidu.com     0     0     0     0     0     0     0     0     0     0     0     0
5     yahoo.com     0     0     0     0     0     0     0     0     0     0     0     0
6 wikipedia.org     0     0     0     0     0     0     0     0     0     0     0     0
# ... with 14 more variables: m <dbl>, n <dbl>, o <dbl>, p <dbl>, q <dbl>, r <dbl>, s <dbl>,
#   t <dbl>, u <dbl>, v <dbl>, w <dbl>, x <dbl>, y <dbl>, z <dbl>
> 

df_letters$domain = str_trim(df_letters$domain, side = "both")

df_letters[, 2:27] = str_count(df_letters$domain, letters)

以下警告消息与错误填写的 df_letters 数据框一起出现：

Warning message:
In stri_count_regex(string, pattern, opts_regex = opts(pattern)) :
  longer object length is not a multiple of shorter object length

# A tibble: 6 × 27
         domain     a     b     c     d     e     f     g     h     i     j     k     l
          <chr> <int> <int> <int> <int> <int> <int> <int> <int> <int> <int> <int> <int>
1    google.com     0     0     0     0     0     0     0     0     0     0     0     0
2   youtube.com     1     1     1     1     1     1     1     1     1     1     1     1
3  facebook.com     2     2     2     2     2     2     2     2     2     2     2     2
4     baidu.com     1     1     1     1     1     1     1     1     1     1     1     1
5     yahoo.com     0     0     0     0     0     0     0     0     0     0     0     0
6 wikipedia.org     0     0     0     0     0     0     0     0     0     0     0     0
# ... with 14 more variables: m <int>, n <int>, o <int>, p <int>, q <int>, r <int>, s <int>,
#   t <int>, u <int>, v <int>, w <int>, x <int>, y <int>, z <int>

有人能帮忙吗？

Answer 1

这是使用 table、do.call 和几个 *binds:

的基本 R 替代方案

# data as a vector of strings
sites <- c("google.com", "youtube.com")

# get a list of counts of each letter, remove "."
siteList <- lapply(strsplit(sites, split=""),
                   function(i) table(factor(i, levels=c(".", letters)))[-1])

这里，strsplit returns 一个列表，每个元素都包含单独的字符。此列表被馈送到 lapply，后者在将字符向量转换为因子后使用 table 计算每个字符的计数。此转换确保每个字母都出现在 table 输出中。 [-1] 删除“.”从输出。

# construct data.frame
cbind.data.frame(sites, do.call(rbind, siteList))
        sites a b c d e f g h i j k l m n o p q r s t u v w x y z
1  google.com 0 0 1 0 1 0 2 0 0 0 0 1 1 0 3 0 0 0 0 0 0 0 0 0 0 0
2 youtube.com 0 1 1 0 1 0 0 0 0 0 0 0 1 0 2 0 0 0 0 1 2 0 0 0 1 0

这里，do.call(rbind, siteList) returns 一个矩阵，其中字母作为列名，行中每个 table 的计数。这将转换为带有 cbind.data.frame 的 data.frame，它还会添加网站名称。

确定字符在 r 中的出现

determine character occurrence in r

r

data-manipulation