这看起来真的很简单，但我尝试过的功能似乎不起作用。
我想在字符串中查找所有符合某个模式的字符串，例如，match('killer', 'l')应该返回3, 4。如果能够使用多个字符模式来实现就更好了，但这不是必需的。
到目前为止我已经尝试过：
t = 'killer'
p = 'l'
grep(p, t) #returns 1
grep(p, strsplit(t,'')) #also 1 for some reason
stringr::str_match_all(t, p) #gives an array of "l"s.
我不想自己创建一个函数，因为它不会被优化，而且我需要运行它数千次，而且我觉得那里肯定有一个这样的函数。
我正在使用Netflix 电影和电视节目数据集来更好地了解熊猫。
date_added列的格式为：“2024 年 9 月 21 日”，据我了解，它将被解析为“％B-％d-％Y”。只需使用 pd.read_csv() 读取即可将此列作为对象类型返回。
使用parse_dates=['date_added']似乎不起作用，也没有指定格式。这是我的代码：
df = pd.read_csv('netflix_titles.csv', parse_dates=['date_added'], date_format='%B-%d-%Y')
df.info()
导致：
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 8807 entries, 0 to 8806
Data columns (total 12 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 show_id 8807 non-null object
1 type 8807 non-null object
2 title 8807 non-null object
3 director 6173 non-null object
4 cast 7982 non-null object
5 country 7976 non-null object
6 date_added 8797 non-null object
7 release_year 8807 non-null int64
8 rating 8803 non-null object
9 duration 8804 non-null object
10 listed_in 8807 non-null object
11 description 8807 non-null object
dtypes: int64(1), object(11)
memory usage: 825.8+ KB
我做错什么了？
我正在为变量的不同类别创建直方图，并通过facet_wrap, 和分隔它们scales = 'free'。这适用于大多数类别，但对于其中一个类别，条形永远不会超过 1，因此刻度以 0.25 为间隔，这对于直方图来说没有意义。
有没有办法设置绘图以使中断之间的间隔永远不会低于 1？在其他一些类别中，该栏最高可达 300，因此我无法breaks手动设置。
我无法共享数据，但制作了一个示例数据框：
class = c(rep(1,200), rep(2,200), rep(3,200))
x = c(rnorm(200, mean = 5, sd = 1), rnorm(200, 5, 4), rnorm(200, 5, 9))
df = data.frame(x, class)
df %>% ggplot(aes(x = x))+
geom_histogram(color = 'black', fill = 'steelblue', binwidth = 1)+
facet_wrap(~class, scales = 'free')
生成以下直方图： 示例直方图
假设在这个例子中，我不希望刻度间隔低于 10（因此类 2 和类 3 的图应该有，breaks = seq(0,100,10)但希望这样做而不影响类 == 1 的图的比例。是否有怎么办？
在下面的示例数据框中，我想从类别“A”、“B”和“C”条目中的收入（同一产品）中减去类别“D”中条目的“收入”。实际的数据框有一堆其他列，我需要多次执行此操作，因此使用pivot_wider操作有点低效。有没有快速的方法来做到这一点？
product category revenue
0001 A 78
0001 B 98
0001 C 103
0001 D 95
0002 A 81
: : :
我想要示例数据框的结果：
product category revenue
0001 A -7
0001 B 3
0001 C 8
0001 D 95
: : :
到目前为止我一直在做什么：
df = df %>% pivot_wider(names_from = category, values_from = revenue)
df[,2:4] = df[,2:4] - df$D %>% as.data.frame()
df = df %>% pivot_longer(2:5, names_to = 'category', values_to = 'revenue')
有更好的方法吗？