R recipes step_count 使用正则表达式创建模式计数

step_count() 创建配方步骤的规范，该步骤将创建一个对文本中正则表达式模式的实例进行计数的变量。

用法

step_count(
  recipe,
  ...,
  role = "predictor",
  trained = FALSE,
  pattern = ".",
  normalize = FALSE,
  options = list(),
  result = make.names(pattern),
  input = NULL,
  keep_original_cols = TRUE,
  skip = FALSE,
  id = rand_id("count")
)

参数

recipe: 一个菜谱对象。该步骤将添加到此配方的操作序列中。
...: 单个选择器函数，用于选择将在哪个变量中搜索正则表达式模式。选择器应解析为单个变量。有关更多详细信息，请参阅selections()。
role: 对于此步骤创建的模型项，应为其分配什么分析角色？默认情况下，此步骤根据原始变量创建的新列将用作模型中的预测变量。
trained: 指示预处理数量是否已估计的逻辑。
pattern: 包含要在给定字符向量中匹配的正则表达式(或 fixed = TRUE 的字符串)的字符串。如果可能，由 as.character 强制转换为字符串。
normalize: 逻辑性强；是否应该将整数计数除以字符串中的字符总数？
options: gregexpr() 的选项列表，不应包含 x 或 pattern 。
result: 新变量名称的单个字符值。它应该是有效的列名称。
input: 正在搜索的变量名称的单个字符值。在由 prep() 计算之前，这是 NULL 。
keep_original_cols: 将原始变量保留在输出中的逻辑。默认为 FALSE 。
skip: 一个合乎逻辑的。当bake() 烘焙食谱时是否应该跳过此步骤？虽然所有操作都是在 prep() 运行时烘焙的，但某些操作可能无法对新数据进行(例如处理结果变量)。使用skip = TRUE时应小心，因为它可能会影响后续操作的计算。
id: 该步骤特有的字符串，用于标识它。

值

recipe 的更新版本，将新步骤添加到任何现有操作的序列中。

整理

当您tidy()此步骤时，将返回包含列terms(选定的选择器或变量)和result(新列名称)的小标题。

箱重

底层操作不允许使用案例权重。

也可以看看

其他虚拟变量和编码步骤：step_bin2factor() , step_date() , step_dummy_extract() , step_dummy_multi_choice() , step_dummy() , step_factor2string() , step_holiday() , step_indicate_na() , step_integer() , step_novel() , step_num2factor() , step_ordinalscore() , step_other() , step_regex() , step_relevel() , step_string2factor() , step_time() , step_unknown() , step_unorder()

例子

data(covers, package = "modeldata")

rec <- recipe(~description, covers) %>%
  step_count(description, pattern = "(rock|stony)", result = "rocks") %>%
  step_count(description, pattern = "famil", normalize = TRUE)

rec2 <- prep(rec, training = covers)
rec2
#> 
#> ── Recipe ────────────────────────────────────────────────────────────────
#> 
#> ── Inputs 
#> Number of variables by role
#> predictor: 1
#> 
#> ── Training information 
#> Training data contained 40 data points and no incomplete rows.
#> 
#> ── Operations 
#> • Regular expression counts using: description | Trained
#> • Regular expression counts using: description | Trained

count_values <- bake(rec2, new_data = covers)
count_values
#> # A tibble: 40 × 3
#>    description                                                rocks  famil
#>    <fct>                                                      <int>  <dbl>
#>  1 1,cathedral family,rock outcrop complex,extremely stony        2 0.0182
#>  2 2,vanet,ratake families complex,very stony                     1 0.0238
#>  3 3,haploborolis,rock outcrop complex,rubbly                     1 0     
#>  4 4,ratake family,rock outcrop complex,rubbly                    1 0.0233
#>  5 5,vanet family,rock outcrop complex complex,rubbly             1 0.02  
#>  6 6,vanet,wetmore families,rock outcrop complex,stony            2 0.0196
#>  7 7,gothic family                                                0 0.0667
#>  8 8,supervisor,limber families complex                           0 0.0278
#>  9 9,troutville family,very stony                                 1 0.0333
#> 10 10,bullwark,catamount families,rock outcrop complex,rubbly     1 0.0172
#> # ℹ 30 more rows

tidy(rec, number = 1)
#> # A tibble: 1 × 3
#>   terms       result id         
#>   <chr>       <chr>  <chr>      
#> 1 description NA     count_HX7KJ
tidy(rec2, number = 1)
#> # A tibble: 1 × 3
#>   terms       result id         
#>   <chr>       <chr>  <chr>      
#> 1 description rocks  count_HX7KJ

源代码：R/count.R

相关用法

注：本文由纯净天空筛选整理自Max Kuhn等大神的英文原创作品 Create Counts of Patterns using Regular Expressions。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。