#r #string #count
Вопрос:
У меня есть фрейм данных, в котором определенные столбцы содержат сообщения об ошибках и предупреждения от Mplus. Текст сохраняется в странном формате, поэтому вместо того, чтобы пытаться обрабатывать каждое сообщение, я надеялся просто подсчитать количество сообщений, подсчитав вхождения c( в ячейке, поскольку это уникальная комбинация символов, которая появляется перед каждым предупреждением или ошибкой.
Например, одна ячейка содержит сообщения:
[[1]]
[1] "c("All variables are uncorrelated with all other variables within class.""
[2] " "Check that this is what is intended.""
[3] " "1 WARNING(S) FOUND IN THE INPUT INSTRUCTIONS")"
[4] " c("WARNING: THE BEST LOGLIKELIHOOD VALUE WAS NOT REPLICATED. THE""
[5] " "SOLUTION MAY NOT BE TRUSTWORTHY DUE TO LOCAL MAXIMA. INCREASE THE""
[6] " "NUMBER OF RANDOM STARTS.")"
в то время как другой содержит более короткое сообщение, подобное этому:
[[1]]
[1] "c("All variables are uncorrelated with all other variables within class.""
[2] " "Check that this is what is intended.""
[3] " "1 WARNING(S) FOUND IN THE INPUT INSTRUCTIONS")"
Я пробовал использовать str_count несколькими различными способами, включая мою последнюю попытку:
str_count(test#, '//c(//')
но я получаю ошибку: Error: '/' is an unrecognized escape in character string starting "'//c(/" . В идеале это вернет 2 для первого примера и 1 для второго примера.
Как я могу подсчитать вхождения этой уникальной строки, когда она содержит символы, которые отбрасывают большинство способов ее инкапсуляции или экранирования?
Вот несколько простых в использовании тестовых кодов, чтобы примерить их!
test1 <- '"c("All variables are uncorrelated with all other variables within class."" " "Check that this is what is intended."" " "1 WARNING(S) FOUND IN THE INPUT INSTRUCTIONS")"'
test2 <- '"c("All variables are uncorrelated with all other variables within class."" " "Check that this is what is intended."" " "1 WARNING(S) FOUND IN THE INPUT INSTRUCTIONS")" " c("WARNING: THE BEST LOGLIKELIHOOD VALUE WAS NOT REPLICATED. THE"" " "SOLUTION MAY NOT BE TRUSTWORTHY DUE TO LOCAL MAXIMA. INCREASE THE"" " "NUMBER OF RANDOM STARTS.")"'
Комментарии:
1. Это не решение вашей проблемы, но вы подумывали о том, чтобы использовать
lavaanдля выполнения SEM непосредственно в R?2. мне кажется, что может быть проще свести проблему к тому, чтобы просто найти
c(, что вы можете сделать это вот так:str_count(test1, "c\(")3. Это выглядит так, как будто data.frame был построен плохо; было бы лучше сохранить исходный формат «список векторов символов» (или это сложнее?) и использовать, например
lengths(), в соответствииdf = data.frame(x = 1:2); df$y = list(c("a", "b"), "d"); lengths(df$y)с .4. Мы посмотрели на лаваана, но что-то в оценках или вариантах ввода в целом заставило моего советника решить, что Mplus был лучшим вариантом, так что на данный момент это не в моей власти. @deschen
5. @D. J Это действительно могло бы сработать очень хорошо, я думаю, я не до конца понимал, как полностью работали варианты побега — (и оба доставляли мне кучу проблем.
Ответ №1:
Вы можете попробовать либо уменьшить часть, подлежащую учету, как в моем комментарии
str_count(test1, "c\(")
или вы можете удлинить параметр и использовать аргумент fixed (), проверив наличие c(" :
str_count(test1, fixed('c("'))
как вы можете видеть, оба способа показывают правильный ответ(ы):
string1 <- 'c("All variables are uncorrelated with all other variables within class.""
" "Check that this is what is intended.""
" "1 WARNING(S) FOUND IN THE INPUT INSTRUCTIONS")"
" c("WARNING: THE BEST LOGLIKELIHOOD VALUE WAS NOT REPLICATED.
THE"" " "SOLUTION MAY NOT BE TRUSTWORTHY DUE TO LOCAL MAXIMA. INCREASE THE""
" "NUMBER OF RANDOM STARTS.")'
> str_count(string1, fixed('c("'))
[1] 2
> str_count(string1, "c\(")
[1] 2
Ответ №2:
Ты мог бы попробовать gregexpr() .
test1 <- '"c(" foo bar baz'
test2 <- '"c(" foo bar baz "c(" baz bar foo'
length(unlist(gregexpr('c\(', test1)))
# [1] 1
length(unlist(gregexpr('c\(', test2)))
# [1] 2
length(unlist(gregexpr('c\(', list(test1, test2))))
# [1] 3