根据R中字符串中的字母分配数值

Question

我有一个data.frame，它是一个单列，有235,886行。每一行对应于英语中的一个单词。

例如。

> words[10000:10005,1]

1抗传染病抗传染病抗传统抗传统抗惊厥

6 anticor

我想做的是根据每行中的字母将每行转换为一个数字。所以，如果"a“= 1，"b”= 2，"c“= 3，"d”= 4，那么"abcd“= 10。

我的最终目标是有一个函数，它扫描data.frame中给定的数值，并返回具有该值的所有字符串，即单词。因此，从上面的示例继续，如果我请求值9，此函数将返回"dad“和任何其他数值为9的行。

Answer 1

您可以组合使用strsplit和match。我在其中添加了一个tolower，以确保我们匹配的是正确的内容。

下面是一个实现这些步骤的函数：

word_value <- function(words) {
  temp <- strsplit(tolower(words), "", TRUE)
  vapply(temp, function(x) sum(match(x, letters)), integer(1L))
}

下面是一个示例向量：

myvec <- c("and", "dad", "cat", "fox", "mom", "add", "dan")

测试一下：

word_value(myvec)
# [1] 19  9 24 45 41  9 19

myvec[word_value(myvec) == 9]
# [1] "dad" "add"

myvec[word_value(myvec) > 20]
# [1] "cat" "fox" "mom"

Answer 2

您可以使用utf8ToInt。

#using the sample data from Ananda's answer
offset <- utf8ToInt("a") - 1
d <- vapply(tolower(myvec), 
  function(ii) sum(utf8ToInt(ii) - offset), FUN.VALUE = double(1L))
#and dad cat fox mom add dan 
# 19   9  24  45  41   9  19

d[d > 20]
#cat fox mom 
# 24  45  41

使用偏移量是必要的，因为utf8ToInt("a")是97，但是您希望"a“是1。

如果愿意，使用stack包装将为输出提供不同的格式：

d <- stack(vapply(tolower(myvec), 
  function(ii) sum(utf8ToInt(ii) - offset), FUN.VALUE = double(1L)))
#  values ind
#1     19 and
#2      9 dad
#3     24 cat
#4     45 fox
#5     41 mom
#6      9 add
#7     19 dan

d[d$values > 20,]
#  values ind
#3     24 cat
#4     45 fox
#5     41 mom