根據特定字符順序按字典順序對字符串進行排序

Question

我正在努力解決 Rosalind 問題，並且陷入了Ordering Strings of Varying Length Lexicographically問題。

到目前為止，我已經成功地創建了不同長度字母的所有正確排列。 現在的主要問題是如何根據字母提供的順序對它們進行排序。

示例輸入是字母DNA 。 但在 n <= 4 個排列中最多可以有 12 個唯一字母。

對於示例 n = 3。這會產生 39 種不同的重復排列，但這些排列隨后將按照D在N在A之前的順序按字典順序排序。

這意味着正確的順序是：

正確的	不正確
丁	一種
DD	AA
DDD	AAA級
專線專線	AAD
DDA	安聯
DN	廣告
免打擾	艾達
神經網絡	添加
脫氧核糖核酸	自動駕駛網絡
達	一個
爸爸	全日空
擔	和
DAA	人工神經網絡
...	...
AAD	新南威爾士州
安聯	NND
AAA級	神經網絡

我的第一個想法是將它們轉換為具有水平的因素，然后嘗試根據它們的水平對它們進行排序，但我不能完全做到這一點。

到目前為止，我創建了所有排列的列表，然后嘗試對其進行排序，但不知道如何讓排序遵循給定的DNA順序

text_input <- c("D", "N", "A")
n <- 3

empty_df <- data.frame(matrix("", ncol = n))

temp_df <- data.frame()

for (i in n:1) {
  temp_df <- data.frame(arrangements::permutations(text_input, k = i, replace = TRUE))
  empty_df <- bind_rows(empty_df, temp_df)
}

result_df <- replace(empty_df, is.na(empty_df), "") |> 
  unite(col = combined, everything(), sep = "", remove = FALSE) |> 
  mutate(across(2:(n+2), ~ factor(.x, levels = text_input)),
         across(2:(n+2), ~ str_replace_na(.x, replacement = "")))

result_vec <- tail(result_df$combined, -1)

Answer 1

我將使用您擁有的樣本數據， Correct的，隨機的，以確保我們得到正確的順序。

quux <- structure(list(Correct = c("D", "DD", "DDD", "DDN", "DDA", "DN", "DND", "DNN", "DNA", "DA", "DAD", "DAN", "DAA", "AAD", "AAN", "AAA"), Incorrect = c("A", "AA", "AAA", "AAD", "AAN", "AD", "ADA", "ADD", "ADN", "AN", "ANA", "AND", "ANN", "NNA", "NND", "NNN")), row.names = c(1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 10L, 11L, 12L, 13L, 15L, 16L, 17L), class = "data.frame")
set.seed(42)
quuxR <- quux[sample(nrow(quux)),]
quuxR$Correct
#  [1] "D"   "DDA" "AAA" "DNA" "DA"  "DDN" "DD"  "AAD" "DNN" "DND" "DAD" "DAA" "AAN" "DAN" "DDD" "DN" 

ltrs <- c("D", "N", "A")
inds <- lapply(strsplit(quux$Correct, ""), match, table = ltrs)
inds <- lapply(inds, `length<-`, max(lengths(inds)))
quuxR$Correct[do.call(order, c(do.call(Map, c(f=c, inds)), list(na.last = FALSE)))]
#  [1] "D"   "DD"  "DDD" "DDN" "DDA" "DN"  "DND" "DNN" "DNA" "DA"  "DAD" "DAN" "DAA" "AAD" "AAN" "AAA"
identical(quux$Correct, quuxR$Correct[do.call(order, c(do.call(Map, c(f=c, inds)), list(na.last = FALSE)))])
# [1] TRUE

腳步：

1. strsplit(.., "")將字符串拆分為單個字母。
2. match(.., table=ltrs)用ltrs中的索引替換一個字母，這給了我們正確的字母優先級/排序。
3. `length<-`是因為我們隨后將對它們進行rbind ，但這只有在它們都具有相同的長度時才有效。 執行此步驟（與max(lengths(..))一起使用NA填充較短的向量，以便所有子向量具有相同數量的元素。
4. do.call(Map, c(f=c, inds))將長度為n的m個向量列表轉置為長度為n的列表，每個列表都有m個元素。 這對下一步非常有幫助......
5. do.call(order, ..)類似於調用order(L[[1]], L[[2]], L[[3]]) （如果L是轉置列表），但更具編程性。 我們將list(na.last=FALSE)作為參數添加到向量列表中，以便我們可以獲得較短字符串的正確排序。

Answer 2

您可以使用chartr並對其結果進行order ，並使用它來對原始無序向量進行子集化。

x <- c("DD", "AAN", "DDD", "DNA", "DAA", "DAD", "DDN", "DDA", "DND", 
       "DAN", "DNN", "DA", "AAA", "AAD", "DN", "D") #Unordered
y <- c("D", "DD", "DDD", "DDN", "DDA", "DN", "DND", "DNN", "DNA", "DA",
       "DAD", "DAN", "DAA", "AAD", "AAN", "AAA") #Target order

z <- x[order(chartr("DNA", "ABC", x))]
identical(z, y)
#[1] TRUE

z
# [1] "D"   "DD"  "DDD" "DDN" "DDA" "DN"  "DND" "DNN" "DNA" "DA"  "DAD" "DAN"
#[13] "DAA" "AAD" "AAN" "AAA"

Answer 3

這是另一個解決方案，可能不像其他解決方案那么簡潔。

它以 function 開頭，用數字1 、 2和3替換三個字母D 、 N和A 。

將此 function 應用於無序列表向量並對其應用order ，返回一個有序向量，無序列表可以用它進行切片。

library(tidyverse)

x <- c(
    "DD", "AAN", "DDD", "DNA", "DAA", "DAD", "DDN", "DDA", "DND",
    "DAN", "DNN", "DA", "AAA", "AAD", "DN", "D"
) # Unordered

er <- function(s) {
    s1 <- stringr::str_replace_all(s, "D", "1")
    s1 <- stringr::str_replace_all(s1, "N", "2")
    s1 <- stringr::str_replace_all(s1, "A", "3")
    return(s1)
}

l1 <- order(er(x))

x[l1]
#>  [1] "D"   "DD"  "DDD" "DDN" "DDA" "DN"  "DND" "DNN" "DNA" "DA"  "DAD" "DAN"
#> [13] "DAA" "AAD" "AAN" "AAA"