字符串长度函数:
length():返回向量元素的个数、矩阵元素的个数、数据框字段数量和列表元素的个数。
nchar(): 返回每一个字符值的字符数
cat()函数可以显示和连接字符串。该函数可以将字符值合并,并直接打印在屏幕中, 该函数成为在函数内部打印消息或警告信息的理想函数,而paste()函数和print()函数输出效果不理想。
发现,用print函数和paste函数在屏幕中输出带引号的字符串,总觉得有点别扭。
cat()函数中使用'\n'参数为换行符,确保改行的完整信息。'\t'为4字节的空格
cat()函数的参数fill可用于输出字符串中自动插入换行符,如果fill设置为TRUE,则系统的width值将被用来确定行宽, 如果fill参数为一个给定的数值,则输出结果的宽度将使用该值。
cat()函数中有一个参数为file,该参数允许输出结果指定到一个文件中。
paste()函数可以无限量的连接字符串,当把一个 字符向量 传递给paste()函数时,通常使用 collapse=参数 ,因为sep=参数对输入的向量不起作用
substring()或substr()函数获取字符串的子串,first(start)和last(stop)参数可以是一个数值,也可以是一个向量。
在应用中强烈建议使用substring()函数,该函数更为稳定
为了找到字符串中一个特定字符的位置,首先需要将字符串转换为字符向量(可以向substr函数的first和last参数传递向量来完成),然后通过which函数确定某个字符的位置。
正则表达式是一种表达字符值模式的方法,可以被用来提取字符串的一部分或以某种方式修改这些字符串。这里主要讲解R中常用的6个正则表达式函数(split,grep,regexpr,gregexpr,sub,gsub)
strsplit()函数可以使用字符串或正则表达式将字符串划分为更小的段,该函数的第一个参数是要拆分的字符串,第二个参数是用来将字符串分解成多个部分的字符值或正则表达式。该函数将分解后的子段返回到列表中。
语法如下:
strsplit(x, split, fixed = FALSE, perl = FALSE, useBytes = FALSE)
应用:
发现,parts1中会单独把空格当做值列出来。
个人觉得这个方法还是繁琐了点,还请各位看官提出更方便简洁的方法~谢谢啦。
strsplit()函数还可以接受正则表达式来决定在哪里拆分字符串,例如,一个字符串中含有多个空格,当使用空格作为拆分符时,就可能返回多余的空字符串。
grep()函数接受一个正则表达式和一个字符串或字符串向量,并返回由正则表达式匹配的字符串元素的索引。 如果参数value=TRUE,则它将返回与正则表达式匹配的实际字符串而不是其索引号。
语法如下:其中x必须为字符向量
grep(pattern, x, ignore.case = FALSE, perl = FALSE, value = FALSE,fixed = FALSE, useBytes = FALSE, invert = FALSE)
应用:该函数的一个重要用途是依据名称从一个数据框中提取一组变量
如在LifeCycleSavings数据框中,存在两个变量,都是以'pop'开头,我们可以使用grep函数找到这两个变量
返回以某个字符开头或某个字符结尾的字符串
要查找的正则表达式不考虑输入的大小写时,可以使用ignor.case=TRUE
很显然第二个字符'work doggedly'就不是我们所期望的结果,为解决该问题,可以使用 转义尖括号(\\<dog\\>) 限制字符串被空格、标点符号或起始行或结束行包围情况下的匹配。
如果传递给grep的正则表达式与其任何输入都不匹配,grep将返回一个空的数值型向量, 换句话说,该函数可以用来测试一个正则表达式是否存在。
regexpr()和gregexpr()函数可用于准确指出和提取字符串中与正则表达式相匹配的部分,这两个函数的输出为一个向量和列表,由所发现的正则表达式的起始点组成;如果没有匹配发生,返回值为-1,此外,match.length属性与起始点向量结合, 提供字符匹配的准确信息。regexpr函数只提供其输入字符串中第一个匹配的有关信息,而gregexpr函数返回所有匹配的信息。
语法如下:
regexpr(pattern, text, ignore.case = FALSE, perl = FALSE,
fixed = FALSE, useBytes = FALSE)
gregexpr(pattern, text, ignore.case = FALSE, perl = FALSE,
fixed = FALSE, useBytes = FALSE)
应用:
提取出匹配的字符
在这里使用另一个处理输出的函数mapply,该函数的第一个参数为函数, 接受多个参数,其余参数是长度相同的向量,其元素将逐一传递到函数中。
sub()和gsub()函数是基于正则表达式的文字替换,它们均接受正则表达式的输入参数。
sub()函数只改变第一次出现的正则表达式,而gsub()函数可以替换所有满足正则表达式的字符。
这两个函数的一个重要用途涉及到数值型数据中,这些数据从网页或财务报表中读入,并可能包含逗号或美元符号。
语法:
sub(pattern, replacement, x, ignore.case = FALSE, perl = FALSE,
fixed = FALSE, useBytes = FALSE)
gsub(pattern, replacement, x, ignore.case = FALSE, perl = FALSE,fixed = FALSE, useBytes = FALSE)
应用:
大致正则表达式的语法和案例就介绍到这里,接下来对正则表达式做一些总结性的工作 (参考《R语言数据操作》这本书):
1、反斜杠\字符用在正则表达式中,表示正则表达式中某些具体特殊含义的字符应该作为普通的字符来对待。在R中,当遇到特殊字符时(\t,\n等)需要输入两个反斜杠。
2、正则表达式由3个部分组成:
a、原意符,它是由一个单一的字符匹配
b、字符类,它可以与许多字符值的任何一个相匹配
c、修正符,对原意符和字符类进行操作
3、由于许多表点符号是正则表达式的修正符,必须始终加一个反斜杠保留其原意:
. ^ $ + ? * ( ) [ ] { } | \
4、要形成一个字符类,使用方括号[]把需要匹配的字符括起来。如需要创建一个由a,b或3组成的字符类,可用[ab3]表示。破折号可用在字符类内部来表示值域[a-z],[A-Z],[0-9]
5、如果在R中输入一个正则表达式,是使用双引号的字符串,就需要双反斜杠,如果使用readline输入表达式,只需要一个反斜杠。
6、R中正则表达式的修正符:
修正符 含义
^ 定位表达式,目标开始
$ 定位表达式,目标结束
. 匹配换行符以外的任何单个字符
| 分割不同的模式
( ) 将相同模式放在一起
* 匹配前面的实体出现0次或更多次
? 匹配前面的实体出现0次或1次
+ 匹配前面的实体出现1次或更多次
{n} 匹配前面的实体精确地出现n次
{n,} 匹配前面的实体至少出现n次
{n.m} 匹配出现次数在n和m次之间
总结:常用的字符串函数
length()
nchar()
cat()
paste()
substring()
strsplit()
grep()
regexpr()
gregexpr()
sub()
gsub()
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在当今这个数据驱动的时代,几乎每一个业务决策都离不开对数据的深入分析。而其中,指标波动归因分析更是至关重要的一环。无论是 ...
2025-02-18当数据开始说谎:那些年我们交过的学费 你有没有经历过这样的场景?熬了三个通宵做的数据分析报告,在会议上被老板一句"这数据靠 ...
2025-02-17数据分析作为一门跨学科领域,融合了统计学、编程、业务理解和可视化技术。无论是初学者还是有一定经验的从业者,系统化的学习路 ...
2025-02-17挖掘用户价值本质是让企业从‘赚今天的钱’升级为‘赚未来的钱’,同时让用户从‘被推销’变为‘被满足’。询问deepseek关于挖 ...
2025-02-17近来deepseek爆火,看看deepseek能否帮我们快速实现数据看板实时更新。 可以看出这对不知道怎么动手的小白来说是相当友好的, ...
2025-02-14一秒精通 Deepseek,不用找教程,不用买资料,更不用报一堆垃圾课程,所有这么去做的,都是舍近求远,因为你忽略了 deepseek 的 ...
2025-02-12自学 Python 的关键在于高效规划 + 实践驱动。以下是一份适合零基础快速入门的自学路径,结合资源推荐和实用技巧: 一、快速入 ...
2025-02-12“我们的利润率上升了,但销售额却没变,这是为什么?” “某个业务的市场份额在下滑,到底是什么原因?” “公司整体业绩 ...
2025-02-08活动介绍 为了助力大家在数据分析领域不断精进技能,我们特别举办本期打卡活动。在这里,你可以充分利用碎片化时间在线学习,让 ...
2025-02-071、闺女,醒醒,媒人把相亲的带来了。 我。。。。。。。 2、前年春节相亲相了40个, 去年春节相亲50个, 祖宗,今年你想相多少个 ...
2025-02-06在数据科学的广阔领域中,统计分析与数据挖掘占据了重要位置。尽管它们常常被视为有关联的领域,但两者在理论基础、目标、方法及 ...
2025-02-05在数据分析的世界里,“对比”是一种简单且有效的方法。这就像两个女孩子穿同一款式的衣服,效果不一样。 很多人都听过“货比三 ...
2025-02-05当我们只有非常少量的已标记数据,同时有大量未标记数据点时,可以使用半监督学习算法来处理。在sklearn中,基于图算法的半监督 ...
2025-02-05考虑一种棘手的情况:训练数据中大部分样本没有标签。此时,我们可以考虑使用半监督学习方法来处理。半监督学习能够利用这些额 ...
2025-02-04一、数学函数 1、取整 =INT(数字) 2、求余数 =MOD(除数,被除数) 3、四舍五入 =ROUND(数字,保留小数位数) 4、取绝对值 =AB ...
2025-02-03作者:CDA持证人 余治国 一般各平台出薪资报告,都会哀嚎遍野。举个例子,去年某招聘平台发布《中国女性职场现状调查报告》, ...
2025-02-02真正的数据分析大神是什么样的呢?有人认为他们能轻松驾驭各种分析工具,能够从海量数据中找到潜在关联,或者一眼识别报告中的数 ...
2025-02-01现今社会,“转行”似乎成无数职场人无法回避的话题。但行业就像座围城:外行人看光鲜,内行人看心酸。数据分析这个行业,近几年 ...
2025-01-31本人基本情况: 学校及专业:厦门大学经济学院应用统计 实习经历:快手数据分析、字节数据分析、百度数据分析 Offer情况:北京 ...
2025-01-3001专家简介 徐杨老师,CDA数据科学研究院教研副总监,主要负责CDA认证项目以及机器学习/人工智能类课程的研发与授课,负责过中 ...
2025-01-29