R中连续重复单词的正则表达式

Question

用于查找背靠背重复的单词和数字的正则表达式

假设我有一个数据框

df<-data.frame(name=c("mike","mike","mike","bob","mike"),age=c(23,23,23,25,23)

如何编写正则表达式来检查"name“列是否" mike”或任何其他单词重复返回烘焙例如在这里mike重复3次，在"age“列中数字重复例如在这里23背靠背重复3次

Answer 1

您可以尝试这样做：

library(dplyr)

df %>%
  mutate(across(.fns = data.table::rleid, .names = '{col}_grp')) %>%
  group_by(across(ends_with('grp'))) %>%
  filter(n() >= 3) %>%
  ungroup %>%
  select(names(df))

#  name    age
#  <chr> <dbl>
#1 mike     23
#2 mike     23
#3 mike     23

对于df中的每一列，我们使用rleid为连续的值提供一个惟一的数字，并选择其中包含>= 3行的那些组。

Answer 2

Base R one liner (无正则表达式)：

df[which(c(0, cumsum(abs(diff(as.integer(as.factor(df$name)))))) == 0),]