问题标签 [stringi]

我正在尝试为机器学习准备数据集。在此过程中，我想删除（停止）很少出现的单词（通常与错误的 OCR 读数有关）。目前，我有一个包含大约 1 个要删除的 mio 单词的单词列表。

但是，使用此设置处理我的数据集需要很长时间。

似乎'a %in% b' 不是（远离）O（N）。在整个数据集上运行它是不可行的，因为该过程不会在几个小时内完成。

有没有更有效的方法来比较 R 中的两个向量？

我怀疑它的查找速度应该非常快。我在 C# 中使用 Dictionary 进行了测试，该测试在几分钟内完成。

大多数stringr函数只是相应stringi函数的包装。str_replace_all就是其中之一。然而我的代码不适stri_replace_all用于相应的stringi函数。

我正在编写一个快速的正则表达式来将驼峰大小写（的一个子集）转换为间隔单词。

我很困惑为什么会这样：

这不会：

考虑以下data.frame：

我在sufix这个 data.frame 的变量中有一个字符串列表。现在我有一个词word <- "amável"，我想得到这个词的后缀，它的长度与df$sufix.

我正在使用以下代码：

但这会输出：

我期待结果向量的最后一个元素是“ável”，因为：

这是一个更简单的可重现示例：

我可以使用perlin 参数gsub来更改各个子表达式的大小写。例如，如果我想找到一个小写字母i后跟撇号或字符串结尾（此处为冗余），我可以这样做：

注意I和I'm是大写但it不是。

鉴于 base 和stringi使用不同的正则表达式引擎，我如何使用stringi做同样的事情（是否可能） 。

在上一篇文章（如何读取一个文件中包含的多个 JSON 结构？）中，我询问了一个不常见的数据结构（或者至少对于 R 来说不常见）

我有一个具有这种结构的 txt 文件：

我的真实数据的第一行的简化是这样的

这种结构来自公共数据。

我用过这个

这会创建两个数据框

我试图获得这样的东西

任何想法都会有所帮助。提前谢谢了。

我想提取 Twitter @handle 前面的两个词

执行以下操作仅提取最后一个@handle 之前的所有文本，我需要所有 @handle

I am trying to use the function stri_join, from the library stringi in a loop, but I am having difficulties. I would like to obtain "A_1.png", "A_2.png", "A_3.png", "A_4.png", "A_5.png", and so on until "A_200.png".

Here is my attempt:

I obtain "A_1.png" 200 times. If you could point what I am missing.

我正在尝试安装stringi包R，但安装永远不会完成。下载和一些编译后，我收到以下消息：

我搜索了互联网，但我无法理解此错误消息的含义。如果有帮助，这是我的sessionInfo()：

我有下面的文字，需要在特定单词之前和之后提取特定单词

例子：

下面的实际输出

所需输出：

基本上需要在我提到的特定词之前和之后提取文本

我有一个如下所示的 data.table：

我想操作 Name 列，以便将名称的第一个字符和中间名也放在上面：

我的方法如下：

• 使用“”作为分隔符拆分名称字符串
• 由 split 产生的列表中每个元素的上位第一个字符
• 使用 paste with collapse 将操作的列表元素粘贴在一起。

我尝试了这两种方法do.call并lapply使用用户定义的函数toUpperFirst：

我不太明白出了什么问题。显然，拆分采用整个列，而不是按向量方式应用它。知道如何解决这个问题吗？