将单词拆分为长度组合

Question

我正在寻找 R 中的一个函数，该函数将给出一个整数，允许我将一个单词拆分为该长度组合，但具有滚动效果。

例如 function("Whosebug", 4) 将呈现：

c("stac", "tack", "acko", "ckov", "kove", "over", "verf", "rflo", "flow")

你们知道那个函数是否存在或者我必须创建它吗？

Answer 1

## install.packages("zoo")

x <- unlist(strsplit("Whosebug",""))
zoo::rollapply(x,width=4,FUN = paste0,collapse="")
# [1] "stac" "tack" "acko" "ckov" "kove" "over" "verf" "erfl" "rflo" "flow"

函数？

foo <- function(input, h) {
  x <- unlist(strsplit(input,""))
  zoo::rollapply(x,width=h,FUN = paste0,collapse="")
  }

foo("Whosebug", 4)
# [1] "stac" "tack" "acko" "ckov" "kove" "over" "verf" "erfl" "rflo" "flow"

一个基准

考虑 substring():

的基础 R 方法

foo1 <- function(input, h) substring(input, seq_len(nchar(input)-h+1),h:nchar(input))

让我们生成一个很长的玩具字符串：

x <- paste0(rep("a",100000), collapse="")

system.time(foo(x,4))
#   user  system elapsed 
#  2.280   0.004   2.288 

system.time(foo1(x,4))
#   user  system elapsed 
# 10.492   0.000  10.509

所以，看似向量化的函数 substring() 根本没有效率，这是一个有趣的观察！

Answer 2

我们可以使用 base R

substring(s,seq_len(nchar(s)-4+1),4:nchar(s))

数据

s <- "Whosebug"

将单词拆分为长度组合

Splitting a word into length combination

split

r

tokenize