仅查找一次包含某个字符的数据框行答案

【问题标题】：Finding data frame rows that contain a certain character only once仅查找一次包含某个字符的数据框行
【发布时间】：2020-04-15 14:58:27
【问题描述】：

很抱歉可能会出现重复，但我真的不知道如何提出我的请求。我在 R 上工作，我希望能够识别一次只包含某个字符的数据框单元格。

在我的df 中，我有一列a，其中包含存储为字符串的公式，例如

# a
1 y~x1+x2
2 y~x2+x3
3 y~x1+x2+x3
4 y~x2+x4
5 y~x1+x3+x4

我想保留a 列中的公式有 2 个解释变量的行，即只包含一个“+”。这个想法是过滤并添加一种虚拟对象，例如输出就像

# a b
1 y~x1+x2 1
2 y~x2+x3 1
3 y~x1+x2+x3 0
4 y~x2+x4 1
5 y~x1+x3+x4 0

希望这已经足够清楚了。感谢您的帮助，
值

【问题讨论】：

标签： r

【解决方案1】：

您可以使用gsub 和[^+] 来提取所有+ 和nchar 以获取它们的号码。

x$b <- +(nchar(gsub("[^+]", "", x$a)) == 1)
x
#           a b
#1    y~x1+x2 1
#2    y~x2+x3 1
#3 y~x1+x2+x3 0
#4    y~x2+x4 1
#5 y~x1+x3+x4 0

或者使用gregexpr:

lapply(gregexpr("\\+", x$a), length) == 1
#[1]  TRUE  TRUE FALSE  TRUE FALSE

或者按照@ThomasIsCoding 的建议将其与lengths 一起使用：

lengths(gregexpr("\\+", x$a)) == 1
#[1]  TRUE  TRUE FALSE  TRUE FALSE

或者使用grepl:

grepl("^[^+]*\\+[^+]*$", x$a)
#[1]  TRUE  TRUE FALSE  TRUE FALSE

或者strsplit:

sapply(strsplit(x$a, ""), function(y) sum(y == "+")==1)
#[1]  TRUE  TRUE FALSE  TRUE FALSE

数据：

x <- read.table(header=TRUE, text="a
1  y~x1+x2
2  y~x2+x3
3  y~x1+x2+x3
4  y~x2+x4
5  y~x1+x3+x4", stringsAsFactors = FALSE)

【讨论】：

很棒的解决方案库！ +1
我使用了nchar 解决方案，一切正常，谢谢！

【解决方案2】：

另一个基本 R 解决方案是使用gregexpr，即，

df$b <- +(lengths(gregexpr("\\+",df$a))==1)

这样

> df
           a b
1    y~x1+x2 1
2    y~x2+x3 1
3 y~x1+x2+x3 0
4    y~x2+x4 1
5 y~x1+x3+x4 0

数据

df <- structure(list(a = c("y~x1+x2", "y~x2+x3", "y~x1+x2+x3", "y~x2+x4", 
"y~x1+x3+x4")), class = "data.frame", row.names = c("1", "2", 
"3", "4", "5"))

【讨论】：

【解决方案3】：

假设公式中始终存在至少两个预测变量的第三个基础替代方案。

df$b <- +(!grepl("\\+.*\\+", df$a))

df
           a b
1    y~x1+x2 1
2    y~x2+x3 1
3 y~x1+x2+x3 0
4    y~x2+x4 1
5 y~x1+x3+x4 0

【讨论】：