我想知道从 R 数据框中查找所有唯一字符的最有效方法是什么。
例如:- [0-9,a-z,A-Z,",","$","&","#"等]
> k
cola colb
1 1&3# %^
2 A4C% 89&
我期望的输出是一个包含所有唯一字符(包括特殊字符)的列表。即123#%^AC89&
最佳答案
这并没有什么真正有效的,但是......在来自 ggplot2
库的 diamonds
数据集上进行演示,
library(ggplot2)
unique(unlist(lapply(diamonds, function(x) unlist(strsplit(as.character(x), "")))))
# [1] "0" "." "2" "3" "1" "9" "4" "6" "5" "8" "7" "I" "d" "e" "a" "l" "P" "r" "m" "i" "u" "G" "o"
# [24] "V" "y" " " "F" "E" "J" "H" "D" "S"
如果您想知道每种有多少?
table(unlist(lapply(diamonds, function(x) unlist(strsplit(as.character(x), "")))))
# . 0 1 2 3 4 5 6 7 8 9 a
# 12082 261929 81785 142173 135042 108355 121267 157242 161862 91438 71904 67144 23161
# d D e E F G H i I J l m o
# 38539 6775 47424 9797 12942 28280 8304 15401 51763 2808 21551 27582 33976
# P r S u V y
# 13791 27483 51409 13791 49953 12082
(这实际上是 akrun 的答案......在我看到他的评论编辑之前发布。)
使用示例框架:
k <- data.frame(cola = c("1&3#", "A4C%"), colb = c("%^", "89&"), stringsAsFactors = FALSE)
unique(unlist(lapply(k, function(x) unlist(strsplit(as.character(x), "")))))
# [1] "1" "&" "3" "#" "A" "4" "C" "%" "^" "8" "9"
如果您希望它们位于排序的无空格字符串中,
paste(sort(unique(unlist(lapply(k, function(x) unlist(strsplit(as.character(x), "")))))), collapse = "")
# [1] "#%&^13489AC"
由于您的问题表明您正在考虑在某个正则表达式中使用它,因此您可以将其放在括号中。我不会经历查找字符范围的痛苦(例如,AD-GW-Z24-9
),因为这只会给你带来很少的正则表达式效率,但会花费更多的精力来生成。
关于r - 在 R 中查找数据框中的所有唯一字符,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/61131426/