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。
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。
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
相关用法
- R recipes step_corr 高相关滤波器
- R recipes step_classdist_shrunken 计算分类模型的缩小质心距离
- R recipes step_center 将数字数据居中
- R recipes step_cut 将数值变量切割为因子
- R recipes step_classdist 到类质心的距离
- R recipes step_unknown 将缺失的类别分配给“未知”
- R recipes step_relu 应用(平滑)修正线性变换
- R recipes step_poly_bernstein 广义伯恩斯坦多项式基
- R recipes step_impute_knn 通过 k 最近邻进行插补
- R recipes step_impute_mean 使用平均值估算数值数据
- R recipes step_inverse 逆变换
- R recipes step_pls 偏最小二乘特征提取
- R recipes step_ratio 比率变量创建
- R recipes step_geodist 两个地点之间的距离
- R recipes step_nzv 近零方差滤波器
- R recipes step_nnmf 非负矩阵分解信号提取
- R recipes step_normalize 中心和比例数值数据
- R recipes step_depth 数据深度
- R recipes step_other 折叠一些分类级别
- R recipes step_harmonic 添加正弦和余弦项以进行谐波分析
- R recipes step_novel 新因子水平的简单赋值
- R recipes step_select 使用 dplyr 选择变量
- R recipes step_regex 检测正则表达式
- R recipes step_spline_b 基础样条
- R recipes step_window 移动窗口函数
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。