计算包含字符串和数值的数据框中的所有唯一字符串答案

【问题标题】：Counting all unique strings in a data frame containing strings and numeric values计算包含字符串和数值的数据框中的所有唯一字符串
【发布时间】：2020-12-13 23:59:52
【问题描述】：

我有许多大型数据框，其中偶尔包含字符串值，我想知道唯一的字符串值是什么（忽略数值），如果可能的话，计算这些字符串。

df <- data.frame(1:16)
df$A <- c("Name",0,0,0,0,0,12,12,0,14,NA_real_,14,NA_real_,NA_real_,16,16)
df$B <- c(10,0,"test",0,12,12,12,12,0,14,NA_real_,14,16,16,16,16)
df$C <- c(10,12,14,16,10,12,14,16,10,12,14,16,10,12,14,16)

   X1.16    A    B  C
1      1 Name   10 10
2      2    0    0 12
3      3    0 test 14
4      4    0    0 16
5      5    0   12 10
6      6    0   12 12
7      7   12   12 14
8      8   12   12 16
9      9    0    0 10
10    10   14   14 12
11    11 <NA> <NA> 14
12    12   14   14 16
13    13 <NA>   16 10
14    14 <NA>   16 12
15    15   16   16 14
16    16   16   16 16

我知道我可以在 dplyr 中使用 count 函数，但我有太多唯一数值，所以这不是一个很好的解决方案。在下面的代码中，我能够过滤我的数据，以便只保留包含字母字符的行（尽管这也不是解决方案）。

df %>% filter_all(any_vars(str_detect(., pattern = "[:alpha:]")))

  X1.16    A    B  C
1     1 Name   10 10
2     3    0 test 14

我想要的输出是这样的：

Variable    n 
"Name"      1 
"test"      1

【问题讨论】：

标签： r dplyr

【解决方案1】：

您可以使用grep 获取字符串值并使用table 对其进行计数：

stack(table(grep('[[:alpha:]]', unlist(df), value = TRUE)))[2:1]

如果您想要tidyverse 答案，您可以获取长格式数据，只保留其中包含字符的行和count 它们。

library(dplyr)

df %>%
  mutate(across(.fns = as.character)) %>%
  tidyr::pivot_longer(cols = everything()) %>%
  filter(grepl('[[:alpha:]]', value)) %>%
  count(value)

#  value     n
#  <chr> <int>
#1 Name      1
#2 test      1

【讨论】：

【解决方案2】：

上面的@Ronak 和@akrun 击败了我，我的解决方案非常相似 - 如果您想在列中进行计数，可以使用扩展名

# Coerce to tibble for ease of reading
df <- df %>% 
  as_tibble() %>%
  mutate(across(.fns = as.character))

df %>% 
  pivot_longer(cols = everything()) %>% 
  summarise(Variable = str_subset(value, "[:alpha:]")) %>% 
  count(Variable, sort = TRUE)

# A tibble: 2 x 2
  Variable     n
  <chr>    <int>
1 Name         1
2 test         1

# str_subset is a convenient wrapper around filter & str_detect

添加一些额外的单词来测试

# Test on extra word counts - replace 12 and 14 with words
df2 <- df
df2[df2 == 12] <- 'Name'
df2[df2 == 14] <- 'test'
df2

df2 %>% 
  pivot_longer(cols = everything()) %>% 
  summarise(Variable = str_subset(value, "[:alpha:]")) %>% 
  count(Variable, sort = TRUE)

# A tibble: 2 x 2
  Variable     n
  <chr>    <int>
1 Name        12
2 test        10

如果你想按列计数

df2 %>% 
  select(-1) %>% 
  pivot_longer(everything(), names_to = 'col') %>% 
  group_by(col) %>% 
  summarise(Variable = str_subset(value, "[:alpha:]")) %>% 
  count(col, Variable)

# A tibble: 6 x 3
# Groups:   col [3]
  col   Variable     n
  <chr> <chr>    <int>
1 A     Name         3
2 A     test         2
3 B     Name         4
4 B     test         3
5 C     Name         4
6 C     test         4

【讨论】：

【解决方案3】：

我们可以使用filter 和across

library(dplyr)
library(tidyr)
library(stringr)
library(purrr)
df %>%
   select(-1) %>%
   mutate(across(everything(), as.character)) %>% 
   filter(across(everything(), ~ str_detect(., '[:alpha:]')) %>% reduce(`|`)) %>%
   pivot_longer(everything()) %>% 
   filter(str_detect(value, '[:alpha:]')) %>%
   count(value)
# A tibble: 2 x 2
#  value     n
#  <chr> <int>
#1 Name      1
#2 test      1

【讨论】：