R语言 字符串的处理（解析+案例）

数据分析师的日常工作就是数据预处理，数据预处理最经常遇到的问题就是字符串的处理，这部分很难，我以前看过一些R的书和一些技术博客，现在依旧发现有些细节做不好，下面我就转载别人的一些字符串处理的方法，我会在下面说说我的看法：

• 字符串分割函数：strsplit( )

• 字符串连接函数：paste( )

• 计算字符串长度：nchar( )

• 字符串截取函数：substr( )及substring( )

   

• 字符串替换函数：chartr( )

• 大小写转换函数：toupper( )、tolower( )及casefold( )

以目前的工作来说，前4个至少每次都可以用到其中的一两个，5和6不经常用。

1：strsplit( )函数用于字符串分割，其中split 是分割参数。所得结果以默认以list形式展示。

用法：strsplit("字符串"，sep=“”（分隔符，可省略sep=，直接写“”双引号里面的内容）)

2：paste( )函数用于字符串连接，其中sep 负责两组字符串间的连接；collapse 负责一组字符串内部的连接。

用法：paste(..., sep = " ", collapse = NULL)     （举例：A<-c(a,b),B<-c(1,2),paste(A,B,sep="_",collapse=":"）结果为：A_1：B_2。

3：很好理解，用法+案例：nchar（“abc”）结果为3。n是char的长度计算。

4：substr( )函数和substring( )函数是截取字符串最常用的函数，两个函数功能方面是一样的，只是其中参数设置不同。

substr( )函数：必须设置参数start和stop，如果缺少将出错。用法：substr(“字符串”，start=数字，stop=数字)下同。

substring( )函数：可以只设置first参数，last参数若不设置，则默认为1000000L，通常是指字符串的最大长度。

这个也很少理解：substr（"abcd",2,3）结果为bc；substring（"abcd",2）结果为bcd。

注意：substr和substring的区别就是最后一个参数：前者是必须存在stop结尾，后者随意。

5：chartr( )函数：将原有字符串中特定字符替换成所需要的字符。

其中参数old 表示原有字符串中内容；new 表示替换后的字符内容
用法：chartr（old=  ，new= ，数据框）
案列：x<-c(abc),chartr（old="b",new="s",x)结果就是asc。
6：toupper( )函数：将字符串统一转换为大写。

tolower( )函数：将字符串统一转换为小写。

casefold( )函数：根据参数转换大小写。

前面2个函数比较简单，说说第三个：casefold（向量，upper=T或FALSE）,upper=T全是大写，反之。

写这个有2个好处，1是可以帮助别人，2是自我巩固，当然重点是2自我巩固。