r - stringer 和 grepl 和 grep 中的 str_detect 函数有什么区别?
问题描述
我开始在我的工作中做很多字符串匹配,我很好奇这三个函数之间的区别是什么,以及在什么情况下有人会使用一个而不是另一个。
解决方案
stringr
是“一套一致、简单且易于使用的围绕奇妙的'stringi'包的包装器”(来自包描述)。stringi
与 base 相比,该包的主要优点是令人难以置信的速度R
——它stringr
在很大程度上继承了它。函数的输出在 base 和 stringr 中是一样的。
我stringi
用来生成一些随机文本进行演示:
library(stringr)
sample_small <- stringi::stri_rand_lipsum(100)
grep
提供模式在字符向量中的位置,就像它的等价物str_which
一样:
grep("Lorem", sample_small)
#> [1] 1 9 14 32 45 50 65 93 94
str_which(sample_small, "Lorem")
#> [1] 1 9 14 32 45 50 65 93 94
grepl
/str_detect
另一方面,如果它包含字符串,则为您提供向量的每个元素的信息。
grepl("Lorem", sample_small)
#> [1] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE
#> [12] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [23] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
#> [34] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [45] TRUE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE
#> [56] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
#> [67] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [78] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [89] FALSE FALSE FALSE FALSE TRUE TRUE FALSE FALSE FALSE FALSE FALSE
#> [100] FALSE
str_detect(sample_small, "Lorem")
#> [1] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE
#> [12] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [23] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
#> [34] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [45] TRUE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE
#> [56] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
#> [67] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [78] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [89] FALSE FALSE FALSE FALSE TRUE TRUE FALSE FALSE FALSE FALSE FALSE
#> [100] FALSE
在许多情况下,不同的结果可能会对您产生影响。grepl
如果我有兴趣向 data.frame 添加新列,其中包含有关不同列是否包含模式的信息,我通常会使用它。grepl
使这更容易,因为它具有与输入变量相同的长度:
df <- data.frame(sample = sample_small,
stringsAsFactors = FALSE)
df$lorem <- grepl("Lorem", sample_small)
df$ipsum <- grepl("ipsum", sample_small)
这样,一些更复杂的测试是可能的:
which(df$lorem & df$ipsum)
#> [1] 1 5 15 53 71 75
或者直接作为一项filter
规则:
df %>%
filter(str_detect("Lorem", sample_small) & str_detect("ipsum", sample_small))
现在就为什么要使用stringr
over base 而言,我认为有两个论点:不同的语法使它更容易stringr
与管道一起使用
library(dplyr)
sample_small %>%
str_detect("Lorem")
相比:
sample_small %>%
grepl("Lorem", .)
并且stringr
比 base 快大约 5 倍(对于我们正在研究的两个函数):
sample_big <- stringi::stri_rand_lipsum(100000)
bench::mark(
base = grep("Lorem", sample_big),
stringr = str_which(sample_big, "Lorem")
)
#> # A tibble: 2 x 6
#> expression min median `itr/sec` mem_alloc `gc/sec`
#> <bch:expr> <bch:tm> <bch:tm> <dbl> <bch:byt> <dbl>
#> 1 base 674ms 674ms 1.48 415KB 0
#> 2 stringr 141ms 142ms 6.99 806KB 0
bench::mark(
base = grepl("Lorem", sample_big),
stringr = str_detect(sample_big, "Lorem")
)
#> # A tibble: 2 x 6
#> expression min median `itr/sec` mem_alloc `gc/sec`
#> <bch:expr> <bch:tm> <bch:tm> <dbl> <bch:byt> <dbl>
#> 1 base 679ms 679ms 1.47 391KB 0
#> 2 stringr 146ms 148ms 6.76 391KB 0
当我们寻找完全匹配时,差异更加显着(默认是寻找正则表达式)
bench::mark(
base = grepl("Lorem", sample_big, fixed = TRUE),
stringr = str_detect(sample_big, fixed("Lorem"))
)
#> # A tibble: 2 x 6
#> expression min median `itr/sec` mem_alloc `gc/sec`
#> <bch:expr> <bch:tm> <bch:tm> <dbl> <bch:byt> <dbl>
#> 1 base 336ms 338.1ms 2.96 391KB 0
#> 2 stringr 12.4ms 12.6ms 79.1 417KB 0
但是,我觉得基函数对它们有一定的魅力,这也是为什么我在快速编写代码时仍然经常使用它们的原因。该选项fixed = TRUE
是一个示例。环绕fixed()
图案对我来说有点尴尬。其他示例是(我让您自己弄清楚)中的选项,最后在以下选项value = TRUE
中看起来有点尴尬:grep
ignore.case = TRUE
stringr
str_which(sample_small, regex("Lorem", ignore_case = TRUE))
#> [1] 1 5 6 8 9 11 12 14 15 17 22 27 30 32 34 35 42 48 51 53 58 64 69
#> [24] 74 76 80 83 86 89 91 92 94 97
但是,这对我来说很尴尬的原因可能只是因为我R
在学习之前使用了一段时间的base stringr
。
要考虑的另一点是,使用stringi
,您总体上拥有更多功能。因此,如果您决心开始进行字符串操作,您可能会立即开始学习该软件包 - 尽管教程确实较少,并且可能会更难弄清楚一些事情。
推荐阅读
- mongodb - 通过匹配多个条件将 refs 添加到另一个 mongodb 集合
- java - 为什么 +1 在这里有效,但 ++ 运算符不在这里
- android - 在Realm中排序后findFirst()的时间复杂度是O(n),如果该字段没有索引?
- java - 一个创建WAV文件的java程序
- css - Transfsform 在 Safari Mobile 上不起作用
- c# - Microsoft.Office.Interop.Excel:缺少 WorkbookQuery?
- numpy - 如何让 PyCharm 识别 numpy
- mysql - 无法连接到 mysql aws RDS - 10060 odbc 记录错误
- google-apps-script - 如何在执行该项目中的功能的 Google Apps Script Web 应用程序中制作一个按钮?
- amazon-web-services - AWS dynamodb 循环 putItem 与 batchWrite