作者Chihuah (灰色曼哈頓)
看板R_Language
標題[問題] 計算英文字串中 雙字元的出現次數
時間Mon Dec 10 13:00:22 2018
[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
→ 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