返回单词的前n个字母

Question

现在我在R中有以下代码行:

counts = table(unlist(dataTable[, grep('column', names(dataTable))]))

并有一个类似于这个的数据表:

print(dataTable)

 column_1   column_2   column_3
  ball.3     ball.3     ball.3
  NA         ball.1     ball.1
  ball.3     NA         ball.2
  NA         NA         NA      
  ball.2     ball.2     ball.1
  ball.1     NA         ball.1
  disk.1     disk.2     NA
  disk.2     disk.2     disk.3
  disk.2     disk.1     NA

这段代码目前将提取"ball.1","ball.2","ball.3","disk.1","disk.2"和"disk.3"的所有实例,并将它们放入表格如下:

print(counts)

ball.1       ball.2      ball.3      disk.1      disk.2      disk.3
   5            3           4          2           4           1

现在,我试图找到一种方法让grep只查找世界中的前n个字母并将该计数分配给一个类别.例如,在这个数据集中,我不太关心ball.1对ball.2对ball.3,但更愿意只计算单词以"ball"开头的次数或"磁盘",忽略了前n = 4个字母之后的任何内容.

最好是以一种我可以专注于寻找任何单词的前四个字母的方式工作,这样我就会有一个如下所示的数据表:

ball         disk
 12           7 

我的推理:

我处理包含许多长物种名称的非常​​大的数据集.有时候,有人可能会在一个单词的后面附上一个数字,或者在某处留下/添加一个字母.如果我可以缩小我的代码的搜索参数以仅搜索名称中的前n个字母,我将消除必须通过.csv文件并仔细检查1000多行名称以进行拼写.我已经找到了解决这个问题的方法,但是只用其他语言找到了它们(不幸的是没有用C语言,或者我可以自己装配一些东西)

Answer 1

您可以尝试substr:

table(substr(unlist(mydf[, grep("column", names(mydf))]), 1, 4))
## 
## ball disk 
##   12    7 

您也可以使用sub/ gsub如果您想要,可能是这样的:

table(gsub("(^.{4}).*", "\\1", unlist(mydf[, grep("column", names(mydf))])))
## 
## ball disk 
##   12    7