如何计算特定列中满足条件的出现次数（4 个字母）

Question

x = c(1,2,3,4,5)
y = c("AA","BB","CC", "AAAA","BBBB")
data1 = data.frame(x,y)
data1

^^我希望输出是 y 列中 4 个字母出现的次数。 期望的输出是 2

我想计算数据框中给定列中出现 4 个字母因子观测值的次数。 我该怎么做呢？

Answer 1

如果您只想提取和计算恰好有 4 个字母（任何字母，不一定相同）的因子值，那么您可以这样做：

步骤 1--定义要匹配的模式：

pattern <- "\\w{4}"

第 2 步——定义一个函数来只提取原始匹配：

extract <- function(x) unlist(regmatches(x, gregexpr(pattern, x, perl = T)))

第 3 步——将函数应用于感兴趣的数据：

extract(data1$y)

这就是结果：

[1] "AAAA" "BBBB"

第 4 步 - 要计算您可以使用的匹配数量length ：

length(extract(data1$y))
[1] 2

编辑：您也可以使用str_extract从包装stringr ：

步骤1：将结果存储在一个矢量extr ：

extr <- str_extract(data1$y, "\\w{4}")

第 2 步：使用length ，否定运算符! 和is.na ，一个测试 NA 并评估为 TRUE 和 FALSE 的函数，您可以计算测试评估为 FALSE 的次数：

length(extr[!is.na(extr)])
[1] 2

Answer 2

如果y列中的字符串总是由字母组成，也许您可​​以尝试nchar

sum(nchar(as.vector(data1$y))==4)

# > sum(nchar(as.vector(data1$y))==4)
#   2