确定字符串向量中存在的所有字符

Question

假设我有以下数据帧，由两个包含字符串的向量组成：

df <- data.frame(
      "ID"= c("1a", "1b", "1c", "1d"), 
      "Codes" = c("BX.MX|GX.WX", "MX.RX|BX.YX", "MX.OX|GX.GX", "MX.OX|YX.OX"),
      stringsAsFactors = FALSE)

我想要一种简单的方法来确定给定向量中使用了哪些字符。 换句话说，这样一个函数的输出将揭示：

find.characters(df$Codes) # hypothetical function
[1] "B" "G" "M" "W" "X" "R" "Y" "O" "|" "."

find.characters(df$ID) # hypothetical function
[1] "1" "a" "b" "c" "d"

Answer 1

您可以创建自定义函数来执行此操作。 这个想法是将字符串拆分为单个字符（ strsplit(v1, '') ），输出将为list 。 我们可以unlist它以使其成为vector ，然后获取unique元素。 但是，这还没有排序。 根据显示的示例，您可能希望sort字母和其他字符进行不同的sort 。 因此，我们使用grep来索引 'LETTER' 字符，并使用它来分别sort向量子集进行sort并将c(它连接在一起。

 find.characters <- function(v1){
  x1 <- unique(unlist(strsplit(v1, '')))
  indx <- grepl('[A-Z]', x1)
  c(sort(x1[indx]), sort(x1[!indx]))
 }

 find.characters(df$Codes)
 #[1] "B" "G" "M" "O" "R" "W" "X" "Y" "|" "."

 find.characters(df$ID)
 #[1] "1" "a" "b" "c" "d"

注意：通常，我会使用grepl('[A-Za-z]', x1) ，但我没有这样做，因为 'ID' 列的预期结果不同。

Answer 2

find.characters<-function(x){
  unique(c(strsplit(split="",x),recursive = T))
}