R语言学习12-文本处理

Posted 2021-04-18 柠檬培养师

在大多数类型中，数据都是以文本编码的，即使有时候表示的是数字。因此学习对文本的操作是有必要的。R提供了一些用于处理文本的内置工具，并且R为文本分析提供了丰富的软件包生态系统。首先，让我们学习一些基本的文本操作功能。

文本在R中是字符串对象，在控制台里用引号包围。比如"hello"和"Strings are fun!"都是字符串。我们可以通过is.character()函数判断一个对象是否是字符串。字符串在R中也称为字符。

我们可以直接把字符串赋值给变量，比如把Hello World!赋值给变量x。

1> x <- "Hello World!"
2> x
3[1] "Hello World!"

连接合并字符串

可以使用paste()连接多个字符串。

1> paste("Square", "Circle", "Triangle")
2[1] "Square Circle Triangle"

默认情况下，paste()函数的分隔符使用的是空格" "。通过sep参数可以指定其他分隔符。

1> paste("Square", "Circle", "Triangle", sep = "+")
2[1] "Square+Circle+Triangle"

有一个与paste()函数类似的函数paste0()，这个函数的作用也是连接字符串，但是连接后的字符串没有分隔符，因此也没有sep参数。

1> paste0("Square", "Circle", "Triangle")
2[1] "SquareCircleTriangle"

paste()除了能接受字符串作为参数外，也接受字符串向量作为参数。

1> shapes <- c("Square", "Circle", "Triangle")
2> paste("My favorite shape is a", shapes)
3[1] "My favorite shape is a Square"   "My favorite shape is a Circle"   "My favorite shape is a Triangle"

可以看到，当字符串和字符串向量一起作为参数时，字符串和向量的每一个元素都进行了连接。即字符串被当成了单元素的向量，并循环复用了。

我们还可以使用paste()连接字符串向量内部的字符串，并使用collapse参数指定分隔符。

1> paste(shapes, collapse = " ")
2[1] "Square Circle Triangle"

其他操作

除了连接字符串外，我们还应该了解其他一些基本的字符串操作功能。

当我们想统计一个字符串由多少个字符组成时，可以使用nchar()。

1> nchar("Count Me!")
2[1] 9

toupper()和tolower()函数可以分别将字符串全部转成大写和小写。

1> cases <- c("CAPS", "low", "Title")
2> toupper(cases)
3[1] "CAPS"  "LOW"   "TITLE"
4
5> tolower(cases)
6[1] "caps"  "low"   "title"

小结

在本课程中，我们仅介绍了在R中操作字符串的基础知识，在正则表达式课程中会学习更多内容。

• paste()

• paste0()

• nchar()

• toupper()

• tolower()