r - 使用 grep 确定字符串的频率

Question

这个问题已经有答案了:

How to get frequency of word in a sentence in R? (1 个回答)

已关闭 10 年前。

如果我有一个向量

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

然后做:

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

我得到:

y
      ajjss auyjyjjksjj 
          1           1 

但是，第二个字符串“auyjyjjksjj”应该将子字符串“jj”计算两次。如何将其从真/假计算更改为实际计算“jj”的频率？

此外，如果可以计算每个字符串的子字符串频率除以字符串长度，那就太好了。

提前致谢。

Answer 1

我使用 gregexpr() 解决了这个问题

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

对于问题的最后一部分，计算频率/字符串长度...

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

有必要将 df$x 转换回字符串，因为 data.frame(x,freq) 会自动将字符串转换为因子，除非您指定 stringsAsFactors=F。

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