字符型数据及其处理
一 paste()函数
- 1.用来连接两个字符型向量，元素一一对应连接，默认是空格连接。
x <- c("ab", "cd")
y <- c("ef", "gh")
paste(x,y)
[1] "ab ef" "cd gh"
# 结果相当于c("ab cd", "ef gh")
- 2.paste()在连接两个字符型向量是采用R的一般向量间运算规则，可以自动把数值型向量转换为字符型向量
paste("y", 1:5)
[1] "y 1" "y 2" "y 3" "y 4" "y 5"
paste("y", 1:5, sep="")
[1] "y1" "y2" "y3" "y4" "y5"
- 4.collapse=可以将字符型向量的各个元素连接成一个单一的字符串
paste(c("This", "is", "me", "!"), collapse=" ")
[1] "This is me !"
二 toupper()和tolower()函数
toupper("cb nk")
[1] "CB NK"
tolower(c('aB', 'cd'))
[1] "ab" "cd"
三 字符串的长度
- 用nchar(x, type='bytes')计算字符型向量x中每个字符串的以字节为单位的长度，中英文是由差别的
x <- c(12, 3, 45, 67,78)
nchar(x)
[1] 2 1 2 2 2
四 取子串substr()函数
1 substr(x, start, stop)从字符串x中取出从第start个到第stop个的子串
x <- c("jintianshishiwu")
substr(x, 1, 8)
[1] "jintians"
2 如果x是一个字符型向量，substr将对每个元素取子串
y <- c("jintian", "shishiwu")
substr(y, 1, 4)
[1] "jint" "shis"
3 substring(x, start)可以从字符串x中取出从第start个到末尾的子串
x <- c("jintianshishiwu")
substring(x, 7)
[1] "nshishiwu"
五 类型转换
1 用as.numeric()把内容是数字的字符型值转换为数值
#字符串和数值想不能相加
substr('JAN07', 4, 5)
[1] "07"
substr('JAN07', 4, 5) + 2021
Error in substr("JAN07", 4, 5) + 2021 : 二进列运算符中有非数值参数
as.numeric(substr('JAN07', 4, 5))
[1] 7
as.numeric(substr('JAN07', 4, 5)) + 2021
[1] 2028
2 as.character()函数将数值型转换为字符型
as.character(1:5)
[1] "1" "2" "3" "4" "5"
3 指定的格式数值型转换成字符型， 可以使用sprintf()函数， 其用法与C语言的sprintf()函数相似， 只不过是向量化的
sprintf('file%04d.txt', c(1, 99, 100))
[1] "file0001.txt" "file0099.txt" "file0100.txt"
六 字符串拆分
x <- c("123,456,789")
strsplit(x, ",", fixed=T)
[[1]]
[1] "123" "456" "789"
strsplit(x, ",", fixed=T)[[1]]
[1] "123" "456" "789"
sum(as,numeric(strsplit(x, ",", fixed=T)))
Error in numeric(strsplit(x, ",", fixed = T)) : 'length'参数不对
x <- c("123,456")
as.numeric(strsplit(x, "," , fixed=TRUE))[[1]]
错误: 'list' object cannot be coerced to type 'double'
七 字符串替换功能
> x <- c("A,data,from,1988")
> gsub(",", " ", x, fixed=TRUE)
[1] "A data from 1988"
> strsplit(gsub(',', ' ', x, fixed=TRUE), ' ')[[1]]
[1] "A" "data" "from" "1988"
八 正则表达
- 正则表达式(regular expression)是一种匹配某种字符串模式的方法。可以从字符串中查找某种模式的出现位置， 替换某种模式等。 这样的技术可以用于文本数据的预处理。R中支持perl语言格式的正则表达式， grep()和grepl()函数从字符串中查询某个模式， sub()和gsub()替换某模式。
# 把多于一个空格替换成一个空格
gsub('[[:space:]]+', ' ', 'a cat in a box', perl=TRUE)
[1] "a cat in a box"
