如何在数据帧中查找重复的数字序列
如何在数据帧中查找重复的数字序列
提问于 2017-11-09 21:06:50
假设我有下一个数据帧，我想要做的是识别和删除某些观察值。
这个想法是删除那些具有4个或更多相似数字的观测值。
df<-data.frame(col1=c(12,34,233,3333,3333333,333333,555555,543,456,87,4,111111,1111111111,22,222,2222,22222,9111111,912,8688888888))
col1
1 12
2 34
3 233
4 3333
5 3333333
6 333333
7 555555
8 543
9 456
10 87
11 4
12 111111
13 1111111111
14 22
15 222
16 2222
17 22222
18 9111111
19 912
20 8688888888因此，最终输出应该是：
col1
1 12
2 34
3 233
4 543
5 456
6 87
7 4
8 22
9 222
10 912回答 2
Stack Overflow用户
回答已采纳
发布于 2017-11-09 21:26:24
删除所需值的另一种方法是直接过滤1111、2222等，在将数字转换为字符后使用grep()。
df$col1[-as.numeric(grep(paste(1111*(1:9), collapse="|"), as.character(df$col1), value=F))]
# [1] 12 34 233 543 456 87 4 22 222 912Stack Overflow用户
发布于 2017-11-09 21:11:03
不是最有效的方法，但它似乎返回了所需的结果。将向量转换为字符串，拆分每个单独的字符，使用rle查找重复序列，取最大值，如果最大值小于4，则返回TRUE。
df[sapply(strsplit(as.character(df$col1), ""),
function(x) max(rle(x)$lengths) < 4), , drop=FALSE]
col1
1 12
2 34
3 233
8 543
9 456
10 87
11 4
14 22
15 222
19 912此方法将包括诸如155155之类的值，但不包括诸如555511或155551之类的值。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/47202645
复制相关文章
相似问题