[英]Reshaping a Factor in R
我有以下字符串:
str(seqN)
chr [1:704] "010000100100001010000100010001000100000100101000010001001000001001001000001000010010000100100100010000101000010"| __truncated__ ...
是的,它們是由 0 和 1 組成的非常長的字符串(704 個長度為 1000 的字符串)。 它們是一個已經單熱編碼的序列。
因為我想把它提供給一個卷積模型,我需要一個特定的輸入形狀,所以我想將每個字符串分成長度為 4 的子組(以匹配單熱編碼)。
問題是 R 不允許我拆分該字符串,就好像該字符串不可拆分一樣。
例如,如果我執行此代碼:
seqN2 <- array_reshape(seqN,c(704,250,4))
它給了我這個錯誤:
py_call_impl(callable, dots$args, dots$keywords) 中的錯誤:
ValueError:無法將大小為 704 的數組重塑為形狀 (704,250,4)
我應該怎么做才能達到我需要的形狀(704,250,4)?
我們可以使用來自base R
strsplit
lst1 <- strsplit(seqN, "(?<=.{4})", perl = TRUE)
輸出將是一個vector
list
。 不確定轉換為數字。 或許
lst2 <- lapply(lst1, strtoi, base = 2)
或者如評論中提到的 OP,它只是轉換為整數
lst2 <- lapply(lst1, as.integer)
如果它們的長度相同,也可以通過rbind
將list
元素轉換為matrix
out <- do.call(rbind, lst2)
這是一種簡單的方法,您可以將長字符串拆分為長度為 4 的子字符串。只需根據需要調整變量n
:
mystring <- "110010101101"
n <- 2 # n <- nchar(mystring) / 4 -1
sapply(1 + 4*0:n, function(z) substr(mychar, z, z+3))
[1] "1100" "1010" "1101"
您可以stringr
提取最多 4 個字符的所有序列:
library(stringr)
str_extract_all(seqN, ".{1,4}", simplify = T)[1,]
[1] "0100" "0010" "0100" "0010" "1000" "0100" "0100" "0100" "0100" "0001" "0010" "1000" "0100" "0100" "1000" "0010" "0100" "1000" "0010"
[20] "0001" "0010" "0001" "0010" "0100" "0100" "0010" "1000" "010"
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.