R 标识字符串中的第一个匹配位置

我有一个字符串（“00010000”），需要确定我们看到第一个“1”的位置。（这告诉我客户的活跃月份）

我的数据集如下所示：

id  <- c(1:5)
seq <- c("00010000","00001000","01000000","10000000","00010000")
df <- data.frame(id,seq)

然而，对于我的数据（包含36个月）来说，这不是一个理想的解决方案

我想将循环与ifelse语句一起使用，但我确实在语法方面遇到了困难

for (i in 1:36) {
ifelse(substr(df$seq,0+i,0+i)=="1",0+i,
}

---

如果您有任何想法，我们将不胜感激

跳过循环和

ifelse

：

9 - nchar(as.numeric(seq))
## [1] 4 5 2 1 4

这在data.frame中不会起同样的作用，因为您强制

seq

隐式计算因子，所以只需执行以下操作：

9 - nchar(as.numeric(as.character(df$seq)))
## [1] 4 5 2 1 4

编辑：只是为了好玩，因为Frank没有将他的评论转换成答案，下面是

strsplit

解决方案：

# from original vector
sapply(strsplit(seq, "1"), nchar)[1,] + 1
## [1] 4 5 2 1 4

# from data.frame
sapply(strsplit(as.character(df$seq), "1"), nchar)[1,] + 1
## [1] 4 5 2 1 4

---

或者尝试

stringi

包

library(stringi)
stri_locate_first_fixed(df$seq, "1")[, 1]
## [1] 4 5 2 1 4

---

您可以使用

gregexpr

> unlist(gregexpr(pattern=1,seq,fixed=T))
[1] 4 5 2 1 4

---

以下内容可以完成此工作：

library(stringr)
str_locate(pattern ='1',seq)

---

另一个，使用

log

：

  nchar(seq)-round(log10(as.numeric(seq)))

---

使用

sub

nchar(sub('1.*', '', seq))+1
#[1] 4 5 2 1 4

一些比较：

library(stringi)
library(stringr)

seq <- c("00010010","00001000","10000010","10000000","00010000")
seq2 <- rep(seq, 5e6)

system.time(regexpr("1", seq2))
   user  system elapsed 
   4.78    0.03    4.82

system.time(9-nchar(as.numeric(as.character(seq2))))
   user  system elapsed
   34.89    0.18   35.52

system.time(str_locate(pattern ='1',seq2))
   user  system elapsed 
   6.17    0.21    6.53

system.time(stri_locate_first_fixed(seq2, "1")[, 1])
   user  system elapsed
   1.68    0.15    1.84

system.time(nchar(seq2)-round(log10(as.numeric(seq2))))
   user  system elapsed
   7.67    0.09    7.86

system.time(nchar(sub('1.*', '', seq2))+1)
   user  system elapsed
   14.61    0.11   14.93

库（stringi）
图书馆（stringr）
seq我认为strsplit可能会有所帮助。这个问题是，如果有多个“1”，它将同时报告两个，而不仅仅是第一个。使用
regexpr
只获取第一个。第一个对我来说很有用（聪明的解决方案），但这个也很有意义。精彩的！明显的字符串为“00010000”，但应注意，这可能是双字符，具体取决于编码。在这种情况下，应该首先调用
strtrim
，给出预期的长度，否则
strsplit
可能没有预期的结果。啊，好技巧。我想到了messier
sappy（strsplit（c（“01001”，“10000”），”，fixed=TRUE），函数（x），它（x==“1”）[1]）
你应该使用
微基准来计时。它比
系统更可靠。时间
@Thomas所有的基准测试都以秒为单位，在
mocrobenchmark
中没有必要。您可以在
regexpr
中添加“fixed=TRUE”以提高性能。
nchar(sub('1.*', '', seq))+1
#[1] 4 5 2 1 4

library(stringi)
library(stringr)

seq <- c("00010010","00001000","10000010","10000000","00010000")
seq2 <- rep(seq, 5e6)

system.time(regexpr("1", seq2))
   user  system elapsed 
   4.78    0.03    4.82

system.time(9-nchar(as.numeric(as.character(seq2))))
   user  system elapsed
   34.89    0.18   35.52

system.time(str_locate(pattern ='1',seq2))
   user  system elapsed 
   6.17    0.21    6.53

system.time(stri_locate_first_fixed(seq2, "1")[, 1])
   user  system elapsed
   1.68    0.15    1.84

system.time(nchar(seq2)-round(log10(as.numeric(seq2))))
   user  system elapsed
   7.67    0.09    7.86

system.time(nchar(sub('1.*', '', seq2))+1)
   user  system elapsed
   14.61    0.11   14.93