识别字符串中的第一个匹配位置

Question

我有一个字符串("00010000"),需要确定我们看到第一个"1"的位置.(这告诉我客户哪个月有效)

我有一个如下所示的数据集:

id  <- c(1:5)
seq <- c("00010000","00001000","01000000","10000000","00010000")
df <- data.frame(id,seq)

我想为每个id创建一个标识first_month_active的新字段.

我可以使用嵌套的ifelse函数手动执行此操作:

    df$first_month_active <-
        ifelse(substr(df$seq,1,1)=="1",1,
        ifelse(substr(df$seq,2,2)=="1",2,
        ifelse(substr(df$seq,3,3)=="1",3,       
        ifelse(substr(df$seq,4,4)=="1",4,
        ifelse(substr(df$seq,5,5)=="1",5,99 ))))) 

这给了我想要的结果:

  id  seq        first_position
  1   00010000   4
  2   00001000   5
  3   01000000   2
  4   10000000   1
  5   00010000   4

但是,对于包含36个月的数据,这不是理想的解决方案.

我想使用带有ifelse语句的循环,但是我真的很难用语法

for (i in 1:36) {
ifelse(substr(df$seq,0+i,0+i)=="1",0+i,
}

任何想法将不胜感激

Answer 1

或尝试stringi包

library(stringi)
stri_locate_first_fixed(df$seq, "1")[, 1]
## [1] 4 5 2 1 4

Answer 2

跳过循环和ifelse:

9 - nchar(as.numeric(seq))
## [1] 4 5 2 1 4

这在data.frame中的工作方式不同,因为你强制seq隐式计算因子,所以只需这样做:

9 - nchar(as.numeric(as.character(df$seq)))
## [1] 4 5 2 1 4

编辑:只是为了好玩,因为弗兰克没有将他的评论转换为答案,这里是strsplit解决方案:

# from original vector
sapply(strsplit(seq, "1"), nchar)[1,] + 1
## [1] 4 5 2 1 4

# from data.frame
sapply(strsplit(as.character(df$seq), "1"), nchar)[1,] + 1
## [1] 4 5 2 1 4

Answer 3

你可以用gregexpr.

> unlist(gregexpr(pattern=1,seq,fixed=T))
[1] 4 5 2 1 4

Answer 4

以下可以完成这项工作:

library(stringr)
str_locate(pattern ='1',seq)

Answer 5

一些比较:

library(stringi)
library(stringr)

seq <- c("00010010","00001000","10000010","10000000","00010000")
seq2 <- rep(seq, 5e6)

system.time(regexpr("1", seq2))
   user  system elapsed 
   4.78    0.03    4.82

system.time(9-nchar(as.numeric(as.character(seq2))))
   user  system elapsed
   34.89    0.18   35.52

system.time(str_locate(pattern ='1',seq2))
   user  system elapsed 
   6.17    0.21    6.53

system.time(stri_locate_first_fixed(seq2, "1")[, 1])
   user  system elapsed
   1.68    0.15    1.84

system.time(nchar(seq2)-round(log10(as.numeric(seq2))))
   user  system elapsed
   7.67    0.09    7.86

system.time(nchar(sub('1.*', '', seq2))+1)
   user  system elapsed
   14.61    0.11   14.93