R分析大数据框列中的字符串并在单独的列中给出值答案

【问题标题】：R analyse string in column of a big data frame and give value in a separate columnR分析大数据框列中的字符串并在单独的列中给出值
【发布时间】：2020-11-12 13:52:12
【问题描述】：

我有一个包含 20 列的数据框。其中一列由字符串组成。我想分析 R 中特定字母位置的字符串，然后在不同的列中基于此分配一个值。例如，如果字符串是 ABCDEF、AADFEG，我想创建一个包含值的新列，如果 A 在位置 1，则为 1。如果 A 在位置 1,2，则为 1,2。 7 如果 G 位于第 6 位。我一直在尝试使用 str_locate 和 if_else，然后使用 dplyr 包进行变异，但不确定是否有更简单的方法可以做到这一点。谢谢！

【问题讨论】：

那么你不应该有 26+1=27 列，1 列代表字符串，其他 26 列代表 26 个字母吗？
字符串“AACCCG”的输出是什么——A在位置1和2，G在位置6。结果应该是1，2，7， 127 还是别的什么？
一个带有样本输入和所需输出的可重现的小例子将有助于明确意图。
抱歉没有说得更清楚。但我希望输出为 1,2。以下来自 mat.tho 的代码有效。我也可以用它来添加其他字母。谢谢！

标签： r string

【解决方案1】：

我创建了一个小代码sn-p：

df<-data.frame(a=c("ABCDEF","AADFEG","TRETGTGA"))
df$b<-lapply(gregexpr(pattern = 'A', df$a), function(x) c(unlist(x)) )

在这里，您在向量 df$a 的每个条目上应用一个正则表达式并找到模式 A，从而得到所有 A 的索引强>s。使用 lapply 提取结果（=索引）。最后，您将结果分配给数据框中的新列。

注意

如果找不到模式，则显示-1。

【讨论】：