第6章数据预处理
第6章 数据预处理
本章学习目标1.掌握R语言中的字符串处理2.掌握R语言中日期和时间的处理3.学会对内置数据集中的数据做初步清洗
本章学习目标 1. 掌握R语言中的字符串处理 2. 掌握R语言中日期和时间的处理 3. 学会对内置数据集中的数据做初步清洗
1.字符串分割2.字符串拼接3.字符串长度计算4.字符串截取6.1字符串的处理5.字符串替换6.字符串大小写替换7.字符串匹配8.字符串格式化输出
6.1 字符串的处理 1. 字符串分割 2. 字符串拼接 3. 字符串长度计算 4. 字符串截取 5. 字符串替换 6. 字符串大小写替换 7. 字符串匹配 8. 字符串格式化输出
6.1字符串的处理1.字符串分割本书中使用strsplit()函数来实现分割字符串。strsplit(）函数的语法结构是：strsplit(x，Split,fixed=FALSE，perl=FALSE，useBytes=FALSE)①参数x：参数x是需要函数来处理的字符串格式的向量。②参数split：为拆分位置的字串向量，即在哪个字串处开始拆分。该参数默认是正则表达式匹配。③参数fixed：若设置fixed=TURE则表示是用普通文本匹配或者正则表达式的精确匹配。④参数perl：表示可以使用perl语言里面的正则表达式。③参数useByteS：表示是否逐字节进行匹配，默认为FALSE，表示是按字符匹配而不是按字节进行匹配注意：strsplit(）函数中的必要参数是x，split两个参数，其它参数不是必要参数
6.1 字符串的处理 1. 字符串分割 本书中使用strsplit( )函数来实现分割字符串。 strsplit( )函数的语法结构是： strsplit(x，split，fixed= FALSE，perl= FALSE，useBytes= FALSE) ①参数x：参数x是需要函数来处理的字符串格式的向量。 ②参数split：为拆分位置的字串向量，即在哪个字串处开始拆分。该参数默认是正则表达式匹配。 ③参数fixed：若设置fixed= TURE则表示是用普通文本匹配或者正则表达式的精确匹配。 ④参数perl：表示可以使用perl语言里面的正则表达式。 ⑤参数useBytes：表示是否逐字节进行匹配，默认为FALSE，表示是按字符匹配而不是按字节进行匹配。 注意：strsplit( )函数中的必要参数是x，split两个参数，其它参数不是必要参数
常用符号及含义符号含义转义字符除了换行以外的任意字符A放在句首，表示一行字符串的起始$放在句尾，表示一行字符串的结束零个或者多个之前的字符+一个或者多个之前的字符?零个或者一个之前的字符配其中任何一个字符，而在中代表“非”，代表之间或者，小括号（与花括号0配合“使用1
6.1字符串的处理【例6-1】拆分字符串“Createacomma-separatedStringfromtheabovelistofpairs.”，拆分的位置为空格。第一种拆分方式：第三种拆分方式：>xyy进默认用空格拆分>yy"a"[1][1] "Create""comma-separated""a""from""the""comma-separated"[4] "String"[1] "Create""of""from""the""list"[7] "above"[4] "String""list""of"[10] "pairs.[7] "above"[10] "pairs."第二种拆分方式：注意：#用NULL串拆分strsplit()函数中的split参数的设置了三个不一样的值，#用空字符拆分>yy“Ils+”。第一个参数空格和第三个参数“Ils+”得到[1]了相同的效果，都是把x字符串按照空格进行分割。第[1]"C""""e""a""t""e""""a""""c""o""m""m""a""_""s"二个参数里面相当于设置了‘split=""，，当设置为空[17]"e""""a""r""a""t""e""d""""s""t""r""j""n""g"""字符的时候，strsplit()函数会把字符串按照字符一个""a""b""o""y""e""""[33]"f""r""o""m""""t""h""e""个进行分割。所以第二种方式虽然对字符串进行了拆[49]"""s""t""""o""f""""p""a""j""""s"",分但没有完成题目要求
第一种拆分方式： > x y y [[1]] [1] "Create" "a" "comma-separated" [4] "String" "from" "the" [7] "above" "list" "of" [10] "pairs." 第二种拆分方式： #用NULL串拆分 > y y [[1]] [1] "C" "r" "e" "a" "t" "e" " " "a" " " "c" "o" "m" "m" "a" "-" "s" [17] "e" "p" "a" "r" "a" "t" "e" "d" " " "S" "t" "r" "i" "n" "g" " " [33] "f" "r" "o" "m" " " "t" "h" "e" " " "a" "b" "o" "v" "e" " " "l" [49] "i" "s" "t" " " "o" "f" " " "p" "a" "i" "r" "s" "." 【例6-1】拆分字符串“Create a comma-separatedString from the above list of pairs.”，拆分的位置为空格。 6.1 字符串的处理 第三种拆分方式： > y y [[1]] [1] "Create" "a" "comma-separated" [4] "String" "from" "the" [7] "above" "list" "of" [10] "pairs. 注意： strsplit( )函数中的split参数的设置了三个不一样的值， 第一种是一个空格，第二种是一个空字符，第三个是 “\\s+”。第一个参数空格和第三个参数“\\s+”得到 了相同的效果，都是把x字符串按照空格进行分割。第 二个参数里面相当于设置了‘split=“”’，当设置为空 字符的时候，strsplit( )函数会把字符串按照字符一个 个进行分割。所以第二种方式虽然对字符串进行了拆 分但没有完成题目要求
6.1字符串的处理2.字符串拼接本书中使用paste()函数来实现字符串拼接。paste()函数的语法结构是：paste(..,sep="",collapse=NULL)(1)sep参数：负责两个字符串间的拼接内容：(2)collapse参数：负责一组字符串是否是在内部拼接
6.1 字符串的处理 2. 字符串拼接 本书中使用paste( )函数来实现字符串拼接。 paste( )函数的语法结构是： paste (.，sep = " "，collapse = NULL) (1) sep参数：负责两个字符串间的拼接内容； (2) collapse参数：负责一组字符串是否是在内部拼接
6.1字符串的处理例6-2将c("a"，“b"，“c"，“d"，“e")和c("A"，“B"，“C"，“D"，“E")拼接，拼接方式为1.直接拼接；2.用空字符拼接；3.用“”拼接。>xypaste(x,y）#将两个字符串向量用空格拼接，sep取默认值符向量的拼接是使用空格的方式拼接，[1]"aA""bB""cC""dD""eE"如果想直接拼接需要把sep参数设置为拼接方式2：“”，如果用“_”拼接需要将sep参数>paste(x,y,sep=""）#将两个字符串向量用NULL串拼接[1]"aA""bB""cC""dD""eE"设置为“_”。拼接方式3：>paste(x,y,sep="-"）#将两个字符串向量用"-"串拼接[1]"a-A""b-B""c-C""d-D""e-E
> x y paste(x,y) #将两个字符串向量用空格拼接，sep取默认值 [1] "a A" "b B" "c C" "d D" "e E“ 拼接方式2： > paste(x,y,sep = "") #将两个字符串向量用NULL串拼接 [1] "aA" "bB" "cC" "dD" "eE“ 拼接方式3： > paste(x,y,sep = "-") #将两个字符串向量用“-”串拼接 [1] "a-A" "b-B" "c-C" "d-D" "e-E“ 【例6-2】将c(“a”，“b”，“c”，“d”，“e”)和c(“A”，“B”，“C”，“D”，“E”)拼接，拼接方式为 1.直接拼接；2.用空字符拼接；3.用“-”拼接。 6.1 字符串的处理 注意： sep参数使用默认值的情况下两个字 符向量的拼接是使用空格的方式拼接， 如果想直接拼接需要把sep参数设置为 “”，如果用“-”拼接需要将sep参数 设置为“-
6.1字符串的处理3.字符串长度计算计算字符串长度可以用nchar(）函数。需要注意的是length(）函数与nchar(）函数不同，length(）函数是取向量的长度，nchar(）函数用于计算字符串中的字符数量。nchar(）函数的语法结构是：（keepNA取的是默认值）nchar(x,type="chars"，keepNA=TRUE)nzchar(x，keepNA=FALSE)①x参数：判断的目标字符串；②type参数是判断长度的类型；③keepNA参数是设置NA是否参与计算长度（TRUE：NA值不参与计算；FLASE：参与计算）；④nzchar(）函数用于判断一个变量的长度是否为o，返回的是逻辑值
6.1 字符串的处理 3. 字符串长度计算 计算字符串长度可以用nchar( )函数。需要注意的是length( )函数与nchar( )函数不同， length( )函数是取向量的长度，nchar( )函数用于计算字符串中的字符数量。 nchar( )函数的语法结构是：(keepNA取的是默认值) nchar(x，type = "chars" ，keepNA = TRUE) nzchar(x，keepNA = FALSE) ① x参数：判断的目标字符串； ② type参数是判断长度的类型； ③ keepNA参数是设置NA是否参与计算长度（TRUE: NA值不参与计算；FLASE: 参与计算）； ④ nzchar( )函数用于判断一个变量的长度是否为0，返回的是逻辑值
6.1字符串的处理【例6-3】判断c("ackieci"，“bcgice.r"，“c-year-ic"，NA，""，“d[dd.ff]}")中每个字符串长度。注意：>xnchar(x)#计算字符串的长度[1] 7 8 9 NA 0 8nchar(）函数按照每一个字符为一个标准计算字符串的长度，NA值不参与计算直接返回；井判断字符串的长度是否为0> nzchar(x)nzchar(）函数判定字符串的长度是否大于o，如果大于[1] TRUE TRUE TRUE TRUE FALSE TRUEO返回TRUE，如果等于O返回FALSE。#按字符类型②type参数中常用的还有bytes，这个属性一般是在处>nchar("中文",type="chars")[1] 2理中文的时候出现，如果type参数设置为bytes，每一#按字节>nchar("中文",type="bytes")个中文字符按照2个字符计算。[1] 4③keepNA参数主要负责NA值是否参与计算。#NA值参与计算长度>nchar(x,keepNA=FALSE)在nchar()函数中keepNA参数是FALSE，NA值计算为2；[1]789208>nzchar(x,keepNA =TRUE)在nzchar()函数中keepNA参数是TRUE，NA不参与判断[1] TRUE TRUE TRUE NA FALSE TRUE直接显示NA值
> x nchar(x) # 计算字符串的长度 [1] 7 8 9 NA 0 8 > nzchar(x) # 判断字符串的长度是否为0 [1] TRUE TRUE TRUE TRUE FALSE TRUE > nchar("中文",type = "chars") # 按字符类型 [1] 2 > nchar("中文",type = "bytes") # 按字节 [1] 4 > nchar(x,keepNA = FALSE) # NA值参与计算长度 [1] 7 8 9 2 0 8 > nzchar(x,keepNA = TRUE) [1] TRUE TRUE TRUE NA FALSE TRUE 【例6-3】判断c(“ackieci” ， “bcgice.r” ，“c-year-ic” ，NA，“ ”，“d[dd.ff]”) 中每个字符串长度。 6.1 字符串的处理 注意： ①如果type参数是chars，keepNA 参数是TRUE： nchar( )函数按照每一个字符为一个标准计算字符串的 长度，NA值不参与计算直接返回； nzchar( )函数判定字符串的长度是否大于0，如果大于 0返回TRUE，如果等于0返回FALSE。 ② type参数中常用的还有bytes，这个属性一般是在处 理中文的时候出现，如果type参数设置为bytes，每一 个中文字符按照2个字符计算。 ③ keepNA 参数主要负责NA值是否参与计算。 在nchar( )函数中keepNA 参数是FALSE，NA值计算为2； 在nzchar( )函数中keepNA 参数是TRUE，NA不参与判断 直接显示NA值