r - 计算一列中有多少个字符出现在另一列中

Question

我正在计算 expected 列中有多少个字符出现在 read 列中。它们可能以不同的顺序出现，不应计算两次。

比如在这个df中

df <- tibble::tibble(expected=c("AL0","CP1","NM3","PK9","RM2"),
                     read=c("AL0X24",
                            "CXP44",
                            "MLN",
                            "KKRR9",
                            "22MMRRS"
                     ))

结果应该是:

result <- c(3,2,2,2,3)

Answer 1

str_extract/n_distinct 选项。使用paste将[, ]与'expected'列字符串包裹起来，从'中提取'expected'中显示模式的所有字符读取'并使用 n_distinct

计算不同元素的数量

library(stringr)
library(dplyr)
with(df, sapply(str_extract_all(read, paste0("[", expected, "]")), n_distinct))
#[1] 3 2 2 2 3

---

或者另一个选项是 str_replace_all 和 str_count。在这里，我们使用 str_replace_all 删除“read”中的重复字符，并通过粘贴 [ 和 ]

df %>% 
    mutate(Count = str_count(str_replace_all(read, "(\\w)\\1+", "\\1"), 
        str_c("[", expected, "]")))
# A tibble: 5 x 3
#  expected read    Count
#  <chr>    <chr>   <int>
#1 AL0      AL0X24      3
#2 CP1      CXP44       2
#3 NM3      MLN         2
#4 PK9      KKRR9       2
#5 RM2      22MMRRS     3