separadas - Contar valores separados por una coma en una cadena de caracteres

contar valores separados por comas excel

Question

Tengo este ejemplo de datos

d<-"30,3"
class(d)

Tengo los objetos de este carácter en una columna en el marco de datos de mi trabajo y necesito poder identificar cuántos números tiene.

He intentado usar la length(d) , pero dice 1

Después de buscar solución aquí he intentado

eval(parse(text=''d''))
as.numeric(d)
as.vector.character(d)

Pero todavía no funciona.

¿Algún enfoque directo para resolver este problema?

Answer 1

Aquí hay una posibilidad

> as.numeric(unlist(strsplit("30,3", ",")))
# 30  3

Answer 2

Estos dos enfoques son cortos, trabajan en vectores de cadenas, no implican el gasto de construir explícitamente la cadena dividida y no utilizan ningún paquete. Aquí d es un vector de cadenas como d <- c("1,2,3", "5,2") :

1) contar. Campos

count.fields(textConnection(d), sep = ",")

2) gregexpr

lengths(gregexpr(",", d)) + 1

Answer 3

También stringi probar stringi package stri_count_* (debería ser muy eficiente)

library(stringi)
stri_count_regex(d, "//d+")
## [1] 2
stri_count_fixed(d, ",") + 1
## [1] 2

stringr paquete stringr tiene una funcionalidad similar.

library(stringr)
str_count(d, "//d+")
## [1] 2

Actualizar:

Si desea subcontratar su conjunto de datos por vectores de longitud 2, puede probar

df[stri_count_regex(df$d, "//d+") == 2,, drop = FALSE]
#      d
# 2 30,5

O mas simple

subset(df, stri_count_regex(d, "//d+") == 2)
#      d
# 2 30,5

Actualización # 2

Aquí hay un punto de referencia que ilustra por qué se debe considerar el uso de paquetes externos (no se incluyó la respuesta de @rengis porque no responde la pregunta)

library(microbenchmark)
library(stringi)
d <- rep("30,3", 1e4)

microbenchmark( akrun = nchar(gsub(''[^,]'', '''', d))+1,
                GG1 = count.fields(textConnection(d), sep = ","),
                GG2 = sapply(gregexpr(",", d), length) + 1,
                DA1 = stri_count_regex(d, "//d+"),
                DA2 = stri_count_fixed(d, ",") + 1)

# Unit: microseconds
#  expr       min         lq       mean     median        uq       max neval
# akrun  8817.950  9479.9485 11489.7282 10642.4895 12480.845  46538.39   100
#   GG1 55451.474 61906.2460 72324.0820 68783.9935 78980.216 150673.72   100
#   GG2 33026.455 43349.5900 60960.8762 51825.6845 72293.923 203126.27   100
#   DA1  4730.302  5120.5145  6206.8297  5550.7930  7179.536  10507.09   100
#   DA2   380.147   418.2395   534.6911   448.2405   597.259   2278.11   100

Answer 4

Usted podría utilizar la scan .

 v1 <- scan(text=d, sep='','', what=numeric(), quiet=TRUE)
 v1
 #[1] 30  3

O usando stri_split desde stringi . Esto debería tomar tanto character como clase de factor sin convertir explícitamente a carácter usando as.character

library(stringi)
v2 <- as.numeric(unlist(stri_split(d,fixed='','')))
v2
#[1] 30  3

Puedes hacer el count usando la base R por

length(v1)
#[1] 2

O

nchar(gsub(''[^,]'', '''', d))+1
#[1] 2

Visualizar el regex

 [^,]

Demo Debuggex

Actualizar

Si d es una columna en un dataset df y desea agrupar filas con números de dígitos es igual a 2

  d<-c("30,3,5","30,5") 
  df <- data.frame(d,stringsAsFactors=FALSE)
  df[nchar(gsub(''[^,]'', '''',df$d))+1==2,,drop=FALSE]
  #    d
  #2 30,5

Solo para probar

  df[nchar(gsub(''[^,]'', '''',df$d))+1==10,,drop=FALSE]
  #[1] d
  #<0 rows> (or 0-length row.names)