→ andrew43: 參考看看。結構上也是雙層（一個for一個sapply）。 12/10 13:39
→ andrew43: 這應該不算快。10000個字串大概要16秒。 12/10 13:43
→ obarisk: nse的cost蠻大的 12/10 19:16
→ Chihuah: 感謝前面幾位前輩的分享 獲益良多~ 又學到一些技巧了 12/13 12:26
[問題類型]:
效能諮詢(我想讓R 跑更快)
[軟體熟悉度]:
入門(寫過其他程式，只是對語法不熟悉)
[問題敘述]:
我想要統計一個英文字串中，雙字母的出現次數，例如:
<input>
aabaaa
abbacazz
input aa ab ac ad ... az ba bb bc ... ca cb cc ... zz
aabaaa 3 1 0 0 0 1 0 0 0 0 0 0
abbacazz 0 1 1 0 1 1 1 0 1 0 0 1
輸入資料是一個csv檔，內含一個欄位<input>，每一筆(行)內容即為一個英文字串
輸出資料是新增aa~zz共676個欄位，
每一行的英文字串後，加入雙字母的出現次數，未出現的為0次
下述程式碼是我目前想到的，但是雙迴圈執行mutate(程式第4~10行)，過程速度很慢
想請教對於雙字元的統計 是否有更好、執行效率更高的寫法?
[程式範例]:
以下圖片為程式碼與註解
https://imgur.com/utlNEB7
以下為程式碼原文
file_csv<- read.csv("test.csv",header=TRUE,sep=",")
n <- 1:nrow(file_csv)
patt <- NULL
for(i in 0:25){
for(j in 0:25){
tmp_2char <- paste(intToChar(97+i),intToChar(97+j),sep="")
patt <- c(patt,tmp_2char)
file_csv<-mutate(file_csv,!!tmp_2char:=0)
}
}
m <- length(patt)
for(x in n){
tmp_input <- tolower(as.character(file_csv$input[x]))
file_csv[x,2:(m+1)] <- str_count(tmp_input,patt)
}
[環境敘述]:
R version 3.5.1 (2018-07-02)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows >= 8 x64 (build 9200)
[關鍵字]:
mutate str_count 雙字元出現次數
--
「那女怪，活潑潑，春意無邊；這長老，死丁丁，禪機有在。一個
似軟玉溫香，一個如死灰槁木。」
《西遊記．第五五回》
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.126.132.70
※ 文章網址: https://www.ptt.cc/bbs/R_Language/M.1544418029.A.321.html