Compter le nombre d'occurrences de lettres multiples dans une variable au sein d'un dataframe?

Question

Il suffit de dire que je veux compter le nombre de "a" et de "p" dans le mot "apple", je peux faire :

library(stringr)
sum(str_count("apple", c("a", "p")))

mais lorsque j'essaie d'appliquer cette logique pour compter le nombre de "a" et de "p" à travers plusieurs mots différents dans une variable dans un dataframe, cela ne fonctionne pas, par exemple :

dat <- tibble(id = 1:4, word = c("apple", "banana", "pear", "pineapple"))
dat <- dat %>% mutate(num_ap = sum(str_count(word, c("a", "p"))))

ça ne marche pas. La variable "num_ap" devrait afficher c(3, 3, 2, 4) mais au lieu de cela elle affiche c(5, 5, 5, 5)

Est-ce que quelqu'un sait pourquoi cela ne fonctionne pas pour moi ?

Merci !

Answer 1

Dans des cas comme celui-ci, il est utile de revenir en arrière pour comprendre le problème.

str_count(dat$word, c("a", "p")) en soi renverra [1] 1 0 1 3. Chaque chiffre représente le nombre de fois que la lettre 'p' apparaît dans chaque mot de votre dataframe. Si vous prenez la somme de ce vecteur avec sum(str_count(dat$word, c("a", "p"))), vous obtenez [1] 5. Étant donné que vous ne parcourez pas ligne par ligne, chaque ligne se verra attribuer une valeur de 5, ce qui est cohérent avec vos résultats.

Pour corriger cela, notez que la fonction rowwise() (partie de la bibliothèque dplyr) vous permet de travailler avec chaque ligne individuellement. Ainsi, en modifiant votre code pour incorporer la fonction rowwise(), vous résoudrez votre problème :

dat <- dat %>% rowwise() %>% mutate(num_ap = sum(str_count(word, c("a", "p"))))

Answer 2

sapply la transformation à chaque élément de dat$word

library(stringr)
dat <- data.frame(id = 1:4, word = c(c("apple", "banana", "pear", "pineapple")))
dat$num_ap <- sapply(dat$word, function(x) sum(str_count(x, c("a", "p"))))

dat
#>   id      word num_ap
#> 1  1     apple      3
#> 2  2    banana      3
#> 3  3      pear      2
#> 4  4 pineapple      4

Créé le 2021-10-14 par le paquet reprex (v2.0.1)

Answer 3

Deux solutions (les deux sans sum):

avec rowwise():

library(dplyr)
library(stringr)
dat %>%
  rowwise() %>%
  mutate(num_ap = str_count(word, "a|p"))
  id      word num_ap
1  1     apple      3
2  2    banana      3
3  3      pear      2
4  4 pineapple      4

avec lengths et str_extract_all:

library(dplyr)
library(stringr)
dat %>%
  mutate(num_ap = lengths(str_extract_all(word, "a|p")))
  id      word num_ap
1  1     apple      3
2  2    banana      3
3  3      pear      2
4  4 pineapple      4

Answer 4

Utilisation de base R

dat$num_ap <-  nchar(gsub("[^ap]", "", dat$word))

-sortie

> dat
  id      word num_ap
1  1     apple      3
2  2    banana      3
3  3      pear      2
4  4 pineapple      4

data

dat <- structure(list(id = 1:4, word = c("apple", "banana", "pear", 
"pineapple")), class = "data.frame", row.names = c(NA, -4L))