r - 使用 R 中的 str_count 函数计算多个模式

Question

对 R 相当陌生，在使用 string_count 时遇到一些困难用于检测多个未知单词并包含在单独向量中的函数。

现在，我知道如何使用以下代码检测模式的单个实例:

str_count(mydf$string, "Apples")

我想要做的是从一个向量中检测多个单词(例如“Apples”、“Pears”、“Oranges”等)，该向量本身是从另一个数据框创建的(例如通过使用 Uniques<-unique(mydf1$words) )。

这里的关键是 mydf1$words 中出现的单词完全取决于首先将哪些数据上传到 R，因为这会随着数据集的不同而变化。

答案可能很简单，但我似乎无法解决!

Answer 1

你是指stringr包中的str_count函数吗？

如果是这样，它使用正则表达式，并且在正则表达式的模式中 | 字符表示“或”，所以 str_count(mydf$string, 'apple|pear') 将计算“apple”或“pear”的出现次数以给出总数。 |字符的字符串可以用paste构造，试试:

str_count(mydf$string, paste(Uniques, collapse='|'))

您只需运行该部分代码即可看到由paste 构造的字符串。请注意，如果您构造一个具有很多选项的模式，那么它可能运行得非常慢。另一种选择是将第一个字符串拆分为单个单词，并使用 %in% 运算符将单词向量与选项向量进行比较(然后计算 TRUE)。