Trouver le nombre de mots dans chaque ligne

Question

Supposons que je veuille trouver le nombre de mots dans chaque ligne d'un cadre de données. Donc dans l'exemple suivant, je veux trouver que la première valeur dans la colonne un a 3 mots, la deuxième valeur a 4 mots, et ainsi de suite. Je suppose que c'est une tâche pour l'une des fonctions apply, mais j'ai peu de chance de comprendre cela.

dat = data.frame(one=c("C'est cool",
  "J'aime ma banque", "Il aime la pizza", "Quoi"))

Dois-je travailler avec strsplit() ou est-il préférable d'utiliser la fonction apply() tout en créant une fonction: apply(dat, 1, function(x)...

Answer 1

Le code ci-dessous devrait le faire, en supposant que tous les mots sont séparés par des espaces.

sapply(strsplit(as.character(dat$one), " "), length)
# [1] 3 4 3 1

Answer 2

Une autre approche basée sur les expressions régulières. L'idée est de supprimer tout sauf les espaces et de calculer la longueur de la chaîne modifiée (c'est-à-dire le nombre d'espaces, donc +1 pour obtenir le nombre de mots) :

nchar(gsub("[^ ]", "", dat$one)) + 1
# [1] 3 4 3 1

Vous pourriez également ajouter une protection pour gérer les chaînes avec des espaces au début ou à la fin :

nchar(gsub("[^ ]|^ *| *$", "", dat$one)) + 1
# [1] 3 4 3 1

Exemples :

x <- c(" Un deux ", "Un Deux ", " Un deux")
nchar(gsub("[^ ]", "", x)) + 1
# [1] 4 3 3
sapply(strsplit(x, " "), length)
# [1] 3 2 3
nchar(gsub("[^ ]|^ *| *$", "", x)) + 1
# [1] 2 2 2

---

Une autre vérification de sécurité : gérer les espaces répétés :

x <- " Un    Deux    "
nchar(gsub("[^ ]|^ *| *$", "", gsub(" +", " ", x))) + 1 
# [1] 2