r - 统计这个因子中 "0"的个数

Question

考虑以下因素

x = factor(c("1|1","1|0","1|1","1|1","0|0","1|1","0|1"))

我想计算这个因素中字符“0”的出现次数。到目前为止我找到的唯一解决方案是

sum(grepl("0",strsplit(paste(sapply(x, as.character), collapse=""), split="")[[1]]))
# [1] 4

对于这样一个简单的过程，这个解决方案似乎非常复杂。有没有“更好”的选择？ (由于该过程将在 2000 个元素长的因子上重复大约 100,000 次，因此我可能最终也会关心性能。)

Answer 1

x = factor(c("1|1","1|0","1|1","1|1","0|0","1|1","0|1"))
x
# [1] 1|1 1|0 1|1 1|1 0|0 1|1 0|1
# Levels: 0|0 0|1 1|0 1|1

sum( unlist( lapply( strsplit(as.character(x), "|"), function( x ) length(grep( '0', x ))) ) )
# [1] 4

或者

sum(nchar(gsub("[1 |]", '', x )))
# [1] 4

基于@Rich Scriven 的评论

sum(nchar(gsub("[^0]", '', x )))
# [1] 4

基于@thelatemail 的评论 - 使用 tabulate工作速度比上述解决方案快得多。这是比较。

sum(nchar(gsub("[^0]", "", levels(x) )) * tabulate(x))

时间简介:

x2 <- sample(x,1e7,replace=TRUE)
system.time(sum(nchar(gsub("[^0]", '', x2 ))));
# user  system elapsed 
# 14.24    0.22   14.65 
system.time(sum(nchar(gsub("[^0]", "", levels(x2) )) * tabulate(x2)));
# user  system elapsed 
# 0.04    0.00    0.04 
system.time(sum(str_count(x2, fixed("0"))))
# user  system elapsed 
# 1.02    0.13    1.25