Conteggio di modelli consecutivi nelle stringhe usando R

Question

Sto tentando di scrivere una funzione per contare il numero di istanze consecutive di un motivo. Per fare un esempio, mi piacerebbe la stringa

string<-"A>A>A>B>C>C>C>A>A" 

da trasformare in

"3 A > 1 B > 3 C > 2 A" 

Ho una funzione che conta le istanze di ogni stringa, vedere di seguito. Ma non raggiunge l'effetto dell'ordine che mi piacerebbe. Qualche idea o suggerimento?

Grazie,

R

funzione esistente:

fnc_gen_PathName <- function(string) { 
p <- strsplit(as.character(string), ";") 
p1 <- lapply(p, table) 
p2 <- lapply(p1, function(x) { 
sapply(1:length(x), function(i) { 
    if(x[i] == 25){ 
    paste0(x[i], "+ ", names(x)[i]) 
    } else{ 
    paste0(x[i], "x ", names(x)[i]) 
    } 
}) 
}) 
p3 <- lapply(p2, function(x) paste(x, collapse = "; ")) 
p3 <- do.call(rbind, p3) 
return(p3) 
} 

Answer 1

Come commentato da @MrFlick si potrebbe provare il seguente utilizzando rle e strsplit

with(rle(strsplit(string, ">")[[1]]), paste(lengths, values, collapse = " > ")) 
## [1] "3 A > 1 B > 3 C > 2 A" 

Answer 2

Qui ci sono due dplyr soluzioni: una normale e una con rle. I vantaggi sono: può inserire più stringhe come un vettore, crea un set di dati intermedio ordinato prima (ugh) renesting.

library(dplyr) 
library(tidyr) 
library(stringi) 

strings = "A>A>A>B>C>C>C>A>A" 


data_frame(string = strings) %>% 
    mutate(string_split = 
      string %>% 
      stri_split_fixed(">")) %>% 
    unnest(string_split) %>% 
    mutate(ID = 
      string_split %>% 
      lag %>% 
      `!=`(string_split) %>% 
      plyr::mapvalues(NA, TRUE) %>% 
      cumsum) %>% 
    count(string, ID, string_split) %>% 
    group_by(string) %>% 
    summarize(new_string = 
       paste(n, 
        string_split, 
        collapse = " > ")) 

data_frame(string = strings) %>% 
    group_by(string) %>% 
    do(.$string %>% 
     first %>% 
     stri_split_fixed(">") %>% 
     first %>% 
     rle %>% 
     unclass %>% 
     as.data.frame) %>% 
    summarize(new_string = 
       paste(lengths, values, collapse = " > "))