R 如何在数据帧中找到重复的数字序列

假设我有下一个数据帧，我想做的是识别并删除某些观察结果

我们的想法是删除那些具有4个或更多类似数字的观察结果

df<-data.frame(col1=c(12,34,233,3333,3333333,333333,555555,543,456,87,4,111111,1111111111,22,222,2222,22222,9111111,912,8688888888))

         col1
1          12
2          34
3         233
4        3333
5     3333333
6      333333
7      555555
8         543
9         456
10         87
11          4
12     111111
13 1111111111
14         22
15        222
16       2222
17      22222
18    9111111
19        912
20 8688888888

---

虽然不是最有效的方法，但它似乎返回了期望的结果。将向量转换为字符串，拆分每个字符，使用

rle

查找重复序列，取最大值，如果最大值小于4，则返回TRUE

df[sapply(strsplit(as.character(df$col1), ""),
          function(x) max(rle(x)$lengths) < 4), , drop=FALSE]
   col1
1    12
2    34
3   233
8   543
9   456
10   87
11    4
14   22
15  222
19  912

df[sapply（strsplit）（如.character（df$col1），“”），
函数（x）最大值（rle（x）$长度）<4，drop=FALSE]
可乐
1    12
2    34
3   233
8   543
9   456
10   87
11    4
14   22
15  222
19  912

---

此方法将包括像155155这样的值，但不包括像555511或155551这样的值。

删除所需值的另一种方法是在将数字转换为字符后使用

grep（）

直接过滤

1111

、

2222

等

df$col1[-as.numeric(grep(paste(1111*(1:9), collapse="|"), as.character(df$col1), value=F))]
# [1]  12  34 233 543 456  87   4  22 222 912

---

为什么不是简单的

表格

而不是

rle

？我想这取决于OP想要的是一个数字的总数还是重复序列（例如155155）。我选择了后者，但是

表格

（或

表格

）对于前者的解释会更好。澄清点：155155应该被包括还是被排除？应该被包括构建一个正则表达式。好电话。请注意，

grep

有一个倒过来的参数，可以用来代替

-

。另外，

grepl

在这里是一个自然的替代品。为了好玩，这里有一个替代品：

df$col1[！grepl（paste0（（1:9），“{4}”，collapse=“|”）as.character（df$col1））]

。

df$col1[-as.numeric(grep(paste(1111*(1:9), collapse="|"), as.character(df$col1), value=F))]
# [1]  12  34 233 543 456  87   4  22 222 912