Mostrando entradas con la etiqueta strsplit. Mostrar todas las entradas
Mostrando entradas con la etiqueta strsplit. Mostrar todas las entradas

2016-10-15

Contar elementos únicos de una cadena de texto en R

Title

Problema

Dada una cadena de texto queremos contar el número de veces que aparecen los elmentos 'A', 'C', 'G', y 'T'.

v <- c("AGCTTTTCATTCTGACTGCAACGGGCAATATGTCTCTGTGTGGATTAAAAAAAGAGTGTCTGATAGCAGC")
# Si importamos un fichero que contiene la cadena de texto
v <- readLines("rosalind_dna.txt")

Solución

  • Paquete base
  • table(strsplit(v, NULL)[[1]])
    
    A  C  G  T 
    20 12 17 21 
    
  • Paquete stringr para la manipulación de cadenas de texto
  • library(stringr)
    # 1 - Elementos codificados a mano
    str_count(v, c("A", "C", "G", "T")) 
    # 2 - Extrae alfabéticamente elementos únicos
    str_count(v, sort(unique(strsplit(v, NULL)[[1]]))) 
    
    [1] 20 12 17 21
    

Referencias

2016-02-26

Project Euler - Problema 8 en R

Title Continuamos con los problemas planteados en Project Euler.

Problema

The four adjacent digits in the 1000-digit number that have the greatest product are 9 × 9 × 8 × 9 = 5832.

73167176531330624919225119674426574742355349194934
96983520312774506326239578318016984801869478851843
85861560789112949495459501737958331952853208805511
12540698747158523863050715693290963295227443043557
66896648950445244523161731856403098711121722383113
62229893423380308135336276614282806444486645238749
30358907296290491560440772390713810515859307960866
70172427121883998797908792274921901699720888093776
65727333001053367881220235421809751254540594752243
52584907711670556013604839586446706324415722155397
53697817977846174064955149290862569321978468622482
83972241375657056057490261407972968652414535100474
82166370484403199890008895243450658541227588666881
16427171479924442928230863465674813919123162824586
17866458359124566529476545682848912883142607690042
24219022671055626321111109370544217506941658960408
07198403850962455444362981230987879927244284909188
84580156166097919133875499200524063689912560717606
05886116467109405077541002256983155200055935729725
71636269561882670428252483600823257530420752963450
Find the thirteen adjacent digits in the 1000-digit number that have the greatest product. What is the value of this product?

Los 4 dígitos adyacentes en este número de 1.000 dígitos que tiene el producto más alto son: 9 × 9 × 8 × 9 = 5832.
Encuentra los 13 dígitos adyacentes en este número de 1.000 dígitos que tienen el producto más alto. ¿Cuál es el valor de ese producto?

Solución

Añadimos la cadena de texto mediante la función paste.

x <- paste("73167176531330624919225119674426574742355349194934
            96983520312774506326239578318016984801869478851843
            85861560789112949495459501737958331952853208805511
            12540698747158523863050715693290963295227443043557
            66896648950445244523161731856403098711121722383113
            62229893423380308135336276614282806444486645238749
            30358907296290491560440772390713810515859307960866
            70172427121883998797908792274921901699720888093776
            65727333001053367881220235421809751254540594752243
            52584907711670556013604839586446706324415722155397
            53697817977846174064955149290862569321978468622482
            83972241375657056057490261407972968652414535100474
            82166370484403199890008895243450658541227588666881
            16427171479924442928230863465674813919123162824586
            17866458359124566529476545682848912883142607690042
            24219022671055626321111109370544217506941658960408
            07198403850962455444362981230987879927244284909188
            84580156166097919133875499200524063689912560717606
            05886116467109405077541002256983155200055935729725
            71636269561882670428252483600823257530420752963450")
x <- gsub("\n", "", x)
x <- as.numeric(strsplit(x, "")[[1]])
product <- 0
for (i in 1:1000) {
  product <- c(product, prod(x[i:(i + 12)]))
}
max(product, na.rm = TRUE) 
[1] 23514624000

Notas

Primero eliminamos de la cadena de texto los saltos de línea. Después convertimos la cadena de texto en un vector de 1.000 elementos. Finalmente creamos un bucle que guarda en el vector product los productos de los sucesivos 13 números adyacentes. Extraemos el máximo elemento del mismo.

Referencias

2016-01-21

Dividir un vector en intervalos separados por ceros

Title

Problema

Tenemos el siguiente vector.

111 00 111 -1-1-1 000 11
Y deseamos dividirlo en intervalos separados por los ceros.

111 
111 -1-1-1 
11

Solución

x <- c("111 00 111 -1-1-1 000 11")
x <- gsub(" ", "", x , fixed = TRUE)
x <- unlist(strsplit(x, split="0+"))
x
[1] "111"       "111-1-1-1" "11"  
O bien.

split(x , 1:3)
$`1`
[1] "111"

$`2`
[1] "111-1-1-1"

$`3`
[1] "11"

Referencias

2015-11-25

Dividir un data frame en los grupos definidos por una columna en R

Title

Problema

Queremos dividir un data frame por una de las columnas, creando tantos data frames como grupos contiene la columna. Por ejemplo, dividiremos el data frame ChickWeight por la columna Chick que identifica 50 tipos de polluelos.

str(ChickWeight$Chick)
Ord.factor w/ 50 levels "18"<"16"<"15"<..: 15 15 15 15 15 15 15 15 15 15 ...

Solución

  • Crear una lista de data frames.
  • ldf <- split(ChickWeight, ChickWeight$Chick)
    
    Para acceder a un data frame de la lista de 50, por ejemplo el 20:
    ldf$`20`
        weight Time Chick Diet
    209     41    0    20    1
    210     47    2    20    1
    211     54    4    20    1
    212     58    6    20    1
    213     65    8    20    1
    214     73   10    20    1
    215     77   12    20    1
    216     89   14    20    1
    217     98   16    20    1
    218    107   18    20    1
    219    115   20    20    1
    220    117   21    20    1
    
    Sin embargo, para prescindir de los números como nombres de data frames, creamos una nueva columna en la que anteponemos a cada número la cadena de texto Chick_.

    ChickWeight$id <- paste0("Chick_", ChickWeight$Chick)
    # Creamos la lista de nuevo
    ldf <- split(ChickWeight, ChickWeight$id)
    # Accedemos a un data frame
    ldf$Chick_20
    
  • Crear data frames independientes
  • Si queremos crear un objeto separado para cada data frame en nuestro entorno de trabajo.

    list2env(ldf, .GlobalEnv)
    En nuestro entorno habremos creado 50 data frames.

    Referencias

    2015-05-01

    Project Euler - Problema 4 en R

    Title Continuamos con los problemas planteados en Project Euler.

    Problema - Largest palindrome product

    A palindromic number reads the same both ways. The largest palindrome made from the product of two 2-digit numbers is 9009 = 91 × 99.

    Find the largest palindrome made from the product of two 3-digit numbers.

    Un número capicúa se lee igual en ambos sentidos. El mayor capicúa compuesto del producto de dos números de 2 dígitos es 9009 = 91 × 99 . Encuentra el mayor capicúa compuesto del producto de dos números de 3 cifras .

    Solución paquete base

    # Función para invertir cadena de texto
    strReverse <- function(x)
      sapply(lapply(strsplit(x, NULL), rev), paste, collapse = "")
    # Cálculos
    x <- seq(100, 999)
    z <- expand.grid(x = x, y = x) # Producto cartesiano
    mult<- z$x*z$y
    rev <- as.integer(strReverse(as.character(mult)))
    df <- data.frame(z, mult, rev, dif = mult-rev)
    max(subset(df, dif == 0)[ ,"mult"])
    
    [1] 906609
    
     # Filtrando con dplyr
    require(dplyr)
    filter(df, dif == 0) %>%
      summarise(max(mult))
    
      max(mult)
    1    906609
    

    Solución paquete sqldf

    require(sqldf)
    x <- data.frame(x = 100:999)
    y <- data.frame(y = 100:999)
    df <- sqldf("select x, x `y`, x*y 'mult', reverse(x*y) 'rev', (x*y)-reverse(x*y) 'dif'  from x, y where (x*y)-reverse(x*y) = 0")
    max(df$mult)
    # O bien
    max(sqldf("select x, x `y`, x*y 'mult', reverse(x*y) 'rev', (x*y)-reverse(x*y) 'dif'  from x, y where (x*y)-reverse(x*y) = 0")$mult)
    

    Referencias

    Nube de datos