【R语言】字符串处理

关注

VIP免费原创最新推荐文章于 2025-03-02 11:08:57 发布 4.1w 阅读 AI 写同款· GEO 优化 ›

使用R语言中的encoding参数指定编码格式使用R语言中的encoding参数指定编码格式在R语言中，我们可以使用encoding参数来指定读取和写入文件时使用的编码格式。编码格式是用于表示文本字符的二进制表示的规则集合。不同的编码格式可以支持不同的字符集和语言。在本文中，我们将详细介绍如何使用encoding参数来指定编码格式，并提供相应的源代码示例。阅读详情

在挖掘分析的过程当中对字符串的处理是极为重要的，且出现也较为频繁，R语言作为当前最为流行的开源数据分析和可视化平台，虽然文本的处理并不是它的强项, 但是R语言还是包含大量的字符串操作工具，本章着重整理了部分常用字符处理函数及其使用方法。

5.1 基本字符操作

1）字符长度统计

length(x)函数 — 返回向量x的长度，或者说向量中元素的个数；

nchar(x)函数 — 返回向量x中的每个元素的字符个数，对于非字符元素会得到不可预料的结果。

– 举例1：

x <-c("R", "Rstudio", "Revolution R")

# 返回3，向量x中共有3个元素

length(x)

# 返回1 7 12，向量x中每个元素的字符个数

nchar(x)

– 举例2：

# 返回1，空向量长度为1

length("")

# 返回0，空向量字符长度为0

nchar("")

# 非字符元素NA，返回错误结果2

nchar(NA)

2）字符大小写转换

toupper(x)函数 — 将字符矩阵x内各元素转化为大写形式；

tolower(x)函数 — 将字符矩阵x内各元素转化为小写形式；

casefold(x，upper = FALSE)函数 — 将字符矩阵x内各元素转化为大写或小写形式，默认为转换为小写，当upper =TRUE时转换为大写；

– 举例1：

x <- c("r", "rstudio", "revolutionR", NA)

# 转化x中的各元素为大写形式，NA依然返回NA

toupper(x)

# 转化x中的各元素为小写形式，NA依然返回NA

tolower(x)

# 转化x中的各元素为小写形式，默认upper = FALSE，NA依然返回NA

casefold(x)

# 转化x中的各元素为大写形式，设置upper = TRUE，NA依然返回NA

casefold(x, upper = TRUE)

5.2 字符串连接

字符串连接是较为常见的字符操作，在此R提供了强大的paste函数，它不仅可以实现字符串的连接，也可以实现字符向量的连接，无论是字符向量还是字符串，在连接前paste会把对象首先转换为字符而后进行连接，另外，当向量连接时，较短的向量会循环使用。

1） paste 函数

基本语法:

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

参数sep表示连接的分隔符，默认为一个空格，参数collapse作为合并成一个字符串时的分隔符，详情请见以下应用实例：

– 举例1：

x <- "Hello"; y <- "world"

paste(x, y)

#不设置sep，默认以空格分割

paste("A", 1:4)

#设置sep，去掉空格分隔符

paste("A", 1:4, sep = "")

– 举例2：

#字符向量的连接,较短的字符循环被使用

paste(c("a", "b"), 1:3, sep = "")

– 举例3：

#连接前隐式转换为字符串

name <- c("Kingsley", "William","Tom");

age <- c(30, 20, 10);

person <- data.frame(name, age)

#返回结果"NJc(1,3, 2)" "NJc(30, 20,10)"

paste("NJ", person, sep ="")

注: 数据框内的字符串会默认转换为因子（依赖于stringsAsFactors参数的设置，默认为True，即字符会被转换为因子类型），然后paste连接的时候会进行隐式转换，默认转换为字符型连接，所以使用paste函数时，有时候并不能得到想要的结果。

– 举例4：

#使用collapse参数, collapse的使用可使连接后的字符组成一个字符串

#返回字符串A1,A2,A3,A4

paste("A", 1:4, sep ="" ,collapse = ",")

2） paste0 函数

基本语法：

paste0(..., collapse = NULL)

参数意义paste与函数相同, 不同之处在于sep默认设置为空字符。

– 举例1：

#结果中没有空格分隔符

paste0("A", 1:4)

3） sprintf函数

基本语法:

sprintf(fmt,...)

sprintf表示字符串“打印”，把若干元素按照给定的格式组合赋值给字符串。fmt表示包含格式字符的字符向量，sprintf中的参数会循环使用。

– 举例1：

#以固定长度输出月份的名称，fmt被循环使用，长度不足在字符前面补空格

sprintf("%09s", month.name)

#以固定长度输出月份的名称，fmt被循环使用,长度不足在字符后面补空格

sprintf("%-9s", month.name)

– 举例2：

#向量元素按顺序组合

sprintf(c("Name:%s", "Age: %s"), c("Kingsley", "30"))

– 举例3：

#以指定格式输出圆周率

sprintf("%f",pi)

sprintf("%.3f",pi)

sprintf("%1.0f",pi)

sprintf("%5.1f",pi)

sprintf("%05.1f",pi)

sprintf("%+f",pi)

sprintf("%f", pi)

sprintf("%-10f",pi) # left justified

sprintf("%e",pi)

sprintf("%E",pi)

sprintf("%g",pi)

sprintf("%g", 1e6 * pi) # -> exponential

sprintf("%.9g",1e6 * pi) # -> "fixed"

sprintf("%G",1e-6 * pi)

4） cat函数

基本语法:

cat(... , file ="", sep = " ", fill = FALSE, labels = NULL,

append = FALSE)

cat函数用于连接字符串并输出到文件，默认file为空直接输出；sep表示连接的分隔符，默认为一个空格；fill逻辑值，为FALSE只有显式地使用“\n”才会换行输出，为TRUE只要达到选择宽度即可换行；labels为行标签，只在fill = TRUE时有效，若设定的行数小于实际行数，则会循环使用。append逻辑值，为FALSE会覆盖之前的输出，否则在原来内容后添加新输出。

– 举例1：

#连接字符串，此处A不会循环使用

cat("A", 1:4, sep= " ")

– 举例2：

#换行输出到文件abc.txt，每行都有相应的行标签

cat(paste(letters, 100*1:26), file = "abc.txt", fill = T, labels = paste0("{",1:10, "}:"))