Quero remover todas as duplicatas em vários vetores, sem deixar nenhuma. Por exemplo, para estes vetores:
a <- c("dog", "fish", "cow")
b <- c("dog", "horse", "mouse")
c <- c("cat", "sheep", "mouse")
o resultado esperado seria:
a <- c("fish", "cow")
b <- c("horse")
c <- c("cat", "sheep")
Existe uma maneira de fazer isso sem concatenar os vetores e dividi-los novamente?
Tenho uma sequência de texto e uma série de palavras:
String: Auch ein blindes Huhn findet einmal ein Korn.
Words: auch, ein, sehendes
Quero verificar qual das palavras está contida na string. Estou usando preg_match_allpara isso:
$pattern = "/\bauch\b|\bein\b|\bsehendes\b/i";
$subject = "Auch ein blindes Huhn findet einmal ein Korn.";
preg_match_all($pattern, $subject, $matches);
print_r($matches);
Array
(
[0] => Array
(
[0] => Auch
[1] => ein
[2] => ein
)
)
Isso funciona como esperado, mas como tenho que editar o padrão frequentemente, e acho confuso encontrar e substituir palavras quando todas elas estão cercadas por âncoras de limite de palavra ( \b), gostaria de definir a lista de palavras sem as âncoras de limite de palavra e adicioná-las em uma segunda etapa. Algo como:
$pattern = "auch|ein|sehendes";
$pattern = "/\b" . $pattern . "\b/i";
Isso, é claro, não funciona como esperado.
Eu poderia preencher um array com as palavras e fazer um loop sobre ele para construir o padrão, mas gostaria de evitar loops. Alguma ideia de como fazer isso rápido? A string real e o número real de palavras são bem grandes.
Eventualmente preciso do número de correspondências, pois ele é retornado por preg_match_all. Para o exemplo, a saída esperada é "3".
Aqui está uma pergunta semelhante onde isso é feito em Javascript: Aplique uma âncora de limite de palavra a todos os tokens em uma única expressão regular
Tenho uma sequência de texto e um vetor de palavras:
String: "Auch ein blindes Huhn findet einmal ein Korn."
Vector: "auch", "ein"
Quero verificar com que frequência cada palavra no vetor está contida na string e calcular a soma das frequências. Para o exemplo, o resultado correto seria 3 .
Cheguei ao ponto de poder verificar quais palavras ocorrem na string e calcular a soma:
library(stringr)
deu <- c("\\bauch\\b", "\\bein\\b")
str_detect(tolower("Auch ein blindes Huhn findet einmal ein Korn."), deu)
[1] TRUE TRUE
sum(str_detect(tolower("Auch ein blindes Huhn findet einmal ein Korn."), deu))
[1] 2
Infelizmente str_detectnão retorna o número de ocorrências ( 1, 2), mas apenas se uma palavra ocorre em uma string ( TRUE, TRUE), então a soma da saída de str_detectnão é igual ao número de palavras.
Existe alguma função em R semelhante à preg_match_alldo PHP?
preg_match_all("/\bauch\b|\bein\b/i", "Auch ein blindes Huhn findet einmal ein Korn.", $matches);
print_r($matches);
Array
(
[0] => Array
(
[0] => Auch
[1] => ein
[2] => ein
)
)
echo preg_match_all("/\bauch\b|\bein\b/i", "Auch ein blindes Huhn findet einmal ein Korn.", $matches);
3
Gostaria de evitar loops.
Eu olhei para muitas perguntas semelhantes, mas elas não contam o número de ocorrências ou não usam um vetor de padrões para pesquisar. Posso ter esquecido uma pergunta que responde à minha, mas antes de marcar isso como duplicado, certifique-se de que o "duplicado" realmente pergunte exatamente a mesma coisa. Obrigado.
Tenho uma tabela de dados com uma coluna que contém datas:
> dat
Var1 Var2
<Date> <num>
1: 2023-11-01 18.05
2: 2023-12-01 4.65
3: 2024-01-01 20.34
4: 2024-02-01 21.71
5: 2024-03-01 51.60
6: 2024-04-01 55.54
7: 2024-05-01 50.34
8: 2024-06-01 45.90
9: 2024-07-01 21.26
10: 2024-08-01 19.52
> dput(dat)
structure(list(Var1 = structure(c(19662, 19692, 19723, 19754,
19783, 19814, 19844, 19875, 19905, 19936), class = "Date"), Var2 = c(18.05,
4.65, 20.34, 21.71, 51.6, 55.54, 50.34, 45.9, 21.26, 19.52)), row.names = c(NA,
-10L), class = c("data.table", "data.frame"))
Quero um vetor dos números das linhas que contêm a data mais baixa para cada ano, neste caso:
> first.dates
[1] 1 3
Como posso encontrá-los?
Em um dataframe, quando substituo NA por 0 usando obt[is.na(obt)] <- 0, o tipo de coluna muda de inteiro para numérico.
str(obt)
...
$ Units: int NA NA 2 1 NA NA NA 1 NA NA ...
obt[is.na(obt)] <- 0
str(obt)
...
$ Units: num 0 0 2 1 0 0 0 1 0 0 ...
Como posso evitar isso?
Dados de amostra:
obt <- structure(list(Date = structure(c(19677, 19678, 19679, 19680,
19681, 19682, 19683, 19684, 19685, 19686), class = "Date"), Title = structure(c(NA,
NA, 3L, 3L, NA, NA, NA, 3L, NA, NA), levels = c("A", "D", "L",
"C"), class = "factor"), Units = c(NA, NA, 2L, 1L, NA, NA, NA,
1L, NA, NA)), row.names = c(NA, 10L), class = "data.frame")