r语言字符串「stringsasfactors在r语言中啥意思」

前言

昨天我们介绍 R 数据处理的时候，对字符串的操作都是用自带的函数。

虽然 R 的字符串并不是它的强项，看起来也不是那么的优雅，但是字符串在数据处理和清洗过程中还是扮演者较为重要的角色。

所以，今天我就讲下 R 字符串处理的第三方包 —— stringr

stringr 包提供了一组内聚函数，尽可能使字符串的操作简单化。

stringr 中主要包括四个函数族：

1.字符操作：这些函数允许操作字符串向量中每个字符串的字符2.提供添加、删除和操作空白字符的工具3.提供对语境敏感的操作4.模式匹配函数。总共包含 4 中模式，其中最常用的就是正则表达式安装

#installinstall.packages("stringr")#从GitHub中安装最新的开发版本:#需要用到devtools包，如果没有这个包，需要安装一下if(!require("devtools"))install.packages("devtools")devtools::install_github("tidyverse/stringr")使用导入

library(stringr)

stringr 中的所有函数都以 str_ 开头，并接受一个字符串向量作为第一个参数

1.单字符串操作str_length: 字符串长度

str_length(string)

参数：

string: 字符串或字符串向量

示例：

>s<-c("why","video","cross","extra","deal","authority")>str_length(s)#[1]355549>str_length("love")#[1]4>str_length(c("love",NA))#[1]4NAstr_sub: 提取和修改字符串

str_sub(string,start=1L,end=-1L)

参数：

string: 字符串或字符串向量start: 开始位置end: 结束位置

示例：

x<-c("abcdef","ghifjk")#The3rdletter>str_sub(x,3,3)#[1]"c""i"#The2ndto2nd-to-lastcharacter>str_sub(x,2,-2)#[1]"bcde""hifj"

修改字符串

>str_sub(x,3,3)<-"X">x#[1]"abXdef""ghXfjk"str_dup: 复制字符串

str_dup(string,times)

参数：

string: 字符串或字符串向量times: 复制数量

示例：

>str_dup(x,c(2,3))#[1]"abcdefabcdef""ghifjkghifjkghifjk">str_dup(x,c(2))#[1]"abcdefabcdef""ghifjkghifjk">str_dup(x,2)#[1]"abcdefabcdef""ghifjkghifjk"str_c: 字符串拼接

str_c(...,sep="",collapse=NULL)

参数：

...: 多参数的输入sep: 把多个字符串参数拼接为一个字符串的连接符号。collapse: 把多个向量参数拼接为一个字符串的连接符号。

>x<-c("why","video","cross","extra","deal","authority")>str_c(x,collapse=",")#[1]"why,video,cross,extra,deal,authority">str_c("why","not","my",sep="-")[1]"why-not-my"2.空白字符1.str_pad: 补充字符串的长度

str_pad(string,width,side=c("left","right","both"),pad="")

参数：

string:width: 字符串填充后的长度side: 填充方向left: 左边填充right: 右边填充both: 两边都填充pad: 用于填充的字符

>x<-c("abc","defghi")>str_pad(x,10)#默认在左边#[1]"abc""defghi">str_pad(x,10,"both")#[1]"abc""defghi">str_pad(x,10,pad="=")#[1]"====abcdef""====ghifjk"

如果你设置的字符串填充长度小于其本身，那么不会产生任何作用

str_pad(x,4)#>[1]"abc""defghi"2.str_trunc: 省略过长字符

str_trunc(string,width,side=c("right","left","center"),ellipsis="...")

参数：

string: 字符串或字符串向量width: 最大字符串长度side：省略方式center: 中间省略left: 左边省略right: 右边省略

示例

>x<-"Thisstringismoderatelylong">rbind( str_trunc(x,20,"right"), str_trunc(x,20,"left"), str_trunc(x,20,"center") )#[,1]#[1,]"Thisstringismo..."#[2,]"...smoderatelylong"#[3,]"Thisstri...elylong"3. str_trim: 去掉字符串的空格和TAB

str_trim(string,side=c("both","left","right"))

参数：

string: 字符串或字符串向量side：过滤方式both: 两边都过滤left: 左边过滤right: 右边过滤

示例

x<-c("Short","Thisisalongstring")

x<-c("a","b","c")str_trim(x)#>[1]"a""b""c"str_trim(x,"left")#>[1]"a""b""c"4. str_wrap: 控制字符串输出格式

str_wrap(string,width=80,indent=0,exdent=0)

参数：

string: 字符串或字符串向量。width: 设置一行所占的宽度。indent: 段落首行的缩进值exdent: 段落非首行的缩进值

示例

jabberwocky<-str_c("`Twasbrillig,andtheslithytoves","didgyreandgimbleinthewabe:","Allmimsyweretheborogoves,","andthemomerathsoutgrabe.")cat(str_wrap(jabberwocky,width=40))#`Twasbrillig,andtheslithytovesdid#gyreandgimbleinthewabe:Allmimsy#weretheborogoves,andthemomeraths#outgrabe.3.语境1.大小写转换

str_to_upper(string,locale="")str_to_lower(string,locale="")str_to_title(string,locale="")

参数：

string: 字符串。locale: 按哪种语言习惯

示例

x<-"Ilikehorses."str_to_upper(x)#>[1]"ILIKEHORSES."str_to_title(x)#>[1]"ILikeHorses."str_to_lower(x)#>[1]"ilikehorses."#Turkishhastwosortsofi:withandwithoutthedotstr_to_lower(x,"tr")#>[1]"ılikehorses."2. 排序

#对值排序str_sort(x,decreasing=FALSE,na_last=TRUE,locale="",...)str_order(x,decreasing=FALSE,na_last=TRUE,locale="",...)

参数：

x: 字符串或字符串向量。decreasing: 排序方向。na_last: NA 放置的位置：TRUE 放到最后，FALSE 放到最前，NA 过滤处理locale: 按哪种语言习惯排序

>x<-c("y","i","k")>str_order(x)#[1]231>str_sort(x)#[1]"i""k""y"#InLithuanian,ycomesbetweeniandk>str_sort(x,locale="lt")#[1]"i""y""k"3. 编码方式

str_conv(string,encoding)

参数：

string: 字符串或字符串向量。encoding: 编码名。

示例：

#把中文字符字节化>x<-charToRaw('你好')>x[1]c4e3bac3#默认win系统字符集为GBK，GB2312为GBK字集，转码正常>str_conv(x,"GBK")[1]"你好">str_conv(x,"GB2312")[1]"你好"#在mac系统下>x<-charToRaw('你好')>str_conv(x,"GBK")[1]"浣犲ソ">str_conv(x,"GB2312")#[1]"浣032濂032"#Warningmessages:#1:Instri_conv(string,encoding,"UTF-8"):#mac>str_conv(x,"UTF-8")#[1]"你好"4.模式匹配

每个模式匹配函数的前两个参数都相同

string：字符串或字符串向量pattern：匹配模式

字符串和匹配模式

strings<-c("apple","2197338965","329-293-8753","Work:579-499-7527;Home:543.355.3679")phone<-"([2-9][0-9]{2})[-.]([0-9]{3})[-.]([0-9]{4})"1.匹配字符串的字符

str_detect(string,pattern)

示例：

#匹配字符串的字符>str_detect(strings,phone)#[1]FALSETRUETRUETRUE2. 模式在字符串中的位置

str_locate(string,pattern)str_locate_all(string,pattern)

示例：

>(loc<-str_locate(strings,phone))#>startend#>[1,]NANA#>[2,]112#>[3,]112#>[4,]718>str_locate_all(strings,phone)#>[[1]]#>startend#>#>[[2]]#>startend#>[1,]112#>#>[[3]]#>startend#>[1,]112#>#>[[4]]#>startend#>[1,]718#>[2,]27383. 从字符串中提取匹配模式

str_extract(string,pattern)str_extract_all(string,pattern,simplify=FALSE)

示例：

>val<-c("a1",467,"ab2")#返回匹配的数字>str_extract(val,"d")#[1]"1""4""2">str_extract_all(val,"d")#[[1]]#[1]"1"#[[2]]#[1]"4""6""7"#[[3]]#[1]"2"#返回匹配的字符>str_extract(val,"[a-z] ")#[1]"a"NA"ab">str_extract_all(val,"w ")#[[1]]#[1]"a1"#[[2]]#[1]"467"#[[3]]#[1]"ab2"4. 从字符串中提取匹配组

str_match(string,pattern)str_match_all(string,pattern)

示例

>str_match(strings,phone)#>[,1][,2][,3][,4]#>[1,]NANANANA#>[2,]"2197338965""219""733""8965"#>[3,]"329-293-8753""329""293""8753"#>[4,]"579-499-7527""579""499""7527">str_match_all(strings,phone)#>[[1]]#>[,1][,2][,3][,4]#>#>[[2]]#>[,1][,2][,3][,4]#>[1,]"2197338965""219""733""8965"#>#>[[3]]#>[,1][,2][,3][,4]#>[1,]"329-293-8753""329""293""8753"#>#>[[4]]#>[,1][,2][,3][,4]#>[1,]"579-499-7527""579""499""7527"#>[2,]"543.355.3679""543""355""3679"5. 替换匹配的字符串

str_replace(string,pattern,replacement)str_replace_all(string,pattern,replacement)str_replace_na(string,replacement="NA")

replacement 为替字符串

示例：

#替换第一个匹配>str_replace(strings,phone,"XXX-XXX-XXXX")#>[1]"apple"#>[2]"XXX-XXX-XXXX"#>[3]"XXX-XXX-XXXX"#>[4]"Work:XXX-XXX-XXXX;Home:543.355.3679"#替换所有匹配>str_replace_all(strings,phone,"XXX-XXX-XXXX")#>[1]"apple"#>[2]"XXX-XXX-XXXX"#>[3]"XXX-XXX-XXXX"#>[4]"Work:XXX-XXX-XXXX;Home:XXX-XXX-XXXX">str_replace_na(c(NA,"abc","def"))#[1]"NA""abc""def"6. 字符串分割

str_split(string,pattern,n=Inf)#返回liststr_split_fixed(string,pattern,n)#返回matrix

n 为分割次数

示例：

str_split("a-b-c","-")#>[[1]]#>[1]"a""b""c"str_split_fixed("a-b-c","-",n=2)#>[,1][,2]#>[1,]"a""b-c"7. 字符串计数

str_count(string,pattern="")

示例：

>str_count(strings,phone)#[1]01128. 返回的匹配字符串

str_subset(string,pattern)

示例：

>str_subset(strings,phone)#[1]"2197338965"#[2]"329-293-8753"#[3]"Work:579-499-7527;Home:543.355.3679"9. 提取单词

word(string,start=1L,end=start,sep=fixed(""))string: 字符串，字符串向量。start: 开始位置。end: 结束位置。sep: 匹配字符。

示例

>val<-c("helloworld","thisismy,girl")#默认以空格分割，取第一个位置的字符串>word(val,1)#[1]"hello""this">word(val,-1)#[1]"world""girl">word(val,2,-1)#[1]"world""ismy,girl"#以,分割，取第一个位置的字符串>val<-'111,222,333,444'>word(val,1,sep=fixed(','))[1]"111">word(val,3,sep=fixed(','))[1]"333"四种模式boundary: 匹配字符、行、句子或单词之间的边界

x<-"Thisisasentence."str_split(x,boundary("word"))#>[[1]]#>[1]"This""is""a""sentence"str_count(x,boundary("word"))#>[1]4str_extract_all(x,boundary("word"))#>[[1]]#>[1]"This""is""a""sentence"coll: 定义字符串标准排序规则。

i<-c("I","İ","i","ı")i#>[1]"I""İ""i""ı"str_subset(i,coll("i",ignore_case=TRUE))#>[1]"I""i"str_subset(i,coll("i",ignore_case=TRUE,locale="tr"))#>[1]"İ""i"fixed: 定义用于匹配的字符，包括正则表达式中的转义符

>str_count(c("a.",".",".a.",NA),".")[1]213NA#用fixed匹配字符>str_count(c("a.",".",".a.",NA),fixed("."))[1]112NAregex: 定义正则表达式，默认就是正则表达式

>val[1]"a1""467""ab2">str_extract(val,regex("w "))[1]"a1""467""ab2"