R for循环:使用来自不同列的子str计数创建一个新列

Question

我以前经常摆弄R，现在这一切似乎都逃掉了。。。

我有一个有几百列和大约100 K行的表。其中一列包含字符串，有时其中包含逗号(例如鸡、山羊、牛或只是鸡)。我需要一个带有(我相信) for循环的脚本，它可以创建一个新的列(我知道新的列代码不应该在for循环中)，计算逗号的数量(或者列中的条目数减去一个)，然后添加一个，这样我就可以知道每个列中有多少个条目。举个例子：

col
chicken
chicken,goat
cow,chicken,goat
cow

我想要一个脚本来转，在表中创建一个类似的列。。。

col2
1
2
3
1

Answer 1

我想这里不需要循环。使用stringr包..。

require(stringr)
dat$aninum <- sapply(dat$ani,str_count,pattern=',')+1

这给

               ani aninum
1          chicken      1
2     chicken,goat      2
3 cow,chicken,goat      3
4              cow      1

Answer 2

我将使用count.fields (来自R基)：

mydf$col2 <- count.fields(file = textConnection(as.character(mydf$col)), 
                          sep = ",")
mydf
#                col col2
# 1          chicken    1
# 2     chicken,goat    2
# 3 cow,chicken,goat    3
# 4              cow    1

更新:空白行的核算

count.fields有一个逻辑参数blank.lines.skip。因此，要捕获空行的信息，只需将其设置为TRUE即可。

示例：

mydf <- data.frame(col = c("chicken", "", "chicken,goat", "cow,chicken,goat", "cow"))

count.fields(file = textConnection(as.character(mydf$col)), 
             sep = ",", blank.lines.skip=FALSE)
# [1] 1 0 2 3 1

Answer 3

你可以用?strsplit

df <- data.frame(col=c("chicken", "chicken,goat", "cow,chicken,goat", "cow"), stringsAsFactors=FALSE)
df$col2 <- sapply(strsplit(df$col, ","), length)
df
#                col col2
# 1          chicken    1
# 2     chicken,goat    2
# 3 cow,chicken,goat    3
# 4              cow    1