Как обрезать начальные и завершающие пробелы?
-
20-09-2019 - |
Вопрос
У меня возникли некоторые проблемы с начальными и конечными пробелами в data.frame.Например, мне нравится смотреть на конкретный row
в data.frame
основанный на определенном условии:
> myDummy[myDummy$country == c("Austria"),c(1,2,3:7,19)]
[1] codeHelper country dummyLI dummyLMI dummyUMI
[6] dummyHInonOECD dummyHIOECD dummyOECD
<0 rows> (or 0-length row.names)
Мне было интересно, почему я не получил ожидаемого результата, поскольку страна Австрия, очевидно, существовала в моей памяти. data.frame
.Просмотрев историю моего кода и попытавшись выяснить, что пошло не так, я попробовал:
> myDummy[myDummy$country == c("Austria "),c(1,2,3:7,19)]
codeHelper country dummyLI dummyLMI dummyUMI dummyHInonOECD dummyHIOECD
18 AUT Austria 0 0 0 0 1
dummyOECD
18 1
Все, что я изменил в команде, - это дополнительный пробел после Австрии.
Очевидно, что возникают и другие досадные проблемы.Например, когда мне нравится объединять два фрейма на основе столбца country.Один data.frame
использование "Austria "
в то время как другой кадр имеет "Austria"
.Сопоставление не работает.
- Есть ли хороший способ "показать" пробел на моем экране, чтобы я знал о проблеме?
- И могу ли я удалить начальный и конечный пробелы в R?
До сих пор я писал простую Perl
скрипт, который удаляет пробелы, но было бы неплохо, если бы я мог каким-то образом сделать это внутри R.
Решение
Вероятно, лучший способ — обработать конечные пробелы при чтении файла данных.Если вы используете read.csv
или read.table
вы можете установить параметрstrip.white=TRUE
.
Если вы хотите впоследствии очистить строки, вы можете использовать одну из этих функций:
# returns string w/o leading whitespace
trim.leading <- function (x) sub("^\\s+", "", x)
# returns string w/o trailing whitespace
trim.trailing <- function (x) sub("\\s+$", "", x)
# returns string w/o leading or trailing whitespace
trim <- function (x) gsub("^\\s+|\\s+$", "", x)
Чтобы использовать одну из этих функций на myDummy$country
:
myDummy$country <- trim(myDummy$country)
Чтобы «показать» пробелы, которые вы можете использовать:
paste(myDummy$country)
который покажет вам строки, заключенные в кавычки ("), что облегчает обнаружение пробелов.
Другие советы
Начиная с версии R 3.2.0 была введена новая функция для удаления начальных/конечных пробелов:
trimws()
Видеть: http://stat.ethz.ch/R-manual/R-patched/library/base/html/trimws.html
Чтобы манипулировать пробелами, используйте str_trim() в пакете stringr.Пакет имеет инструкцию от 15 февраля 2013 года и находится в CRAN.Функция также может обрабатывать строковые векторы.
install.packages("stringr", dependencies=TRUE)
require(stringr)
example(str_trim)
d4$clean2<-str_trim(d4$V2)
(кредит принадлежит комментатору:Р.Хлопок)
Просто функция чтобы удалить начальные и конечные пробелы:
trim <- function( x ) {
gsub("(^[[:space:]]+|[[:space:]]+$)", "", x)
}
Использование:
> text = " foo bar baz 3 "
> trim(text)
[1] "foo bar baz 3"
ad1) Чтобы увидеть пробелы, вы можете напрямую позвонить print.data.frame
с измененными аргументами:
print(head(iris), quote=TRUE)
# Sepal.Length Sepal.Width Petal.Length Petal.Width Species
# 1 "5.1" "3.5" "1.4" "0.2" "setosa"
# 2 "4.9" "3.0" "1.4" "0.2" "setosa"
# 3 "4.7" "3.2" "1.3" "0.2" "setosa"
# 4 "4.6" "3.1" "1.5" "0.2" "setosa"
# 5 "5.0" "3.6" "1.4" "0.2" "setosa"
# 6 "5.4" "3.9" "1.7" "0.4" "setosa"
Смотрите также ?print.data.frame
для других вариантов.
Используйте grep или grepl, чтобы найти наблюдения с пробелами, и sub, чтобы избавиться от них.
names<-c("Ganga Din\t","Shyam Lal","Bulbul ")
grep("[[:space:]]+$",names)
[1] 1 3
grepl("[[:space:]]+$",names)
[1] TRUE FALSE TRUE
sub("[[:space:]]+$","",names)
[1] "Ganga Din" "Shyam Lal" "Bulbul"
Я бы предпочел добавить ответ в виде комментария пользователю user56, но пока не могу написать как независимый ответ.Удаление начальных и конечных пробелов также может быть достигнуто с помощью функции обрезки() из пакета gdata:
require(gdata)
example(trim)
Пример использования:
> trim(" Remove leading and trailing blanks ")
[1] "Remove leading and trailing blanks"
Другой вариант — использовать stri_trim
функция от stringi
пакет, который по умолчанию удаляет начальные и конечные пробелы:
> x <- c(" leading space","trailing space ")
> stri_trim(x)
[1] "leading space" "trailing space"
Чтобы удалить только ведущие пробелы, используйте stri_trim_left
.Чтобы удалить только конечные пробелы, используйте stri_trim_right
.Если вы хотите удалить другие начальные или конечные символы, вам необходимо указать это с помощью pattern =
.
Смотрите также ?stri_trim
для получения дополнительной информации.
Другая связанная проблема возникает, если у вас есть несколько пробелов между входными данными:
> a <- " a string with lots of starting, inter mediate and trailing whitespace "
Затем вы можете легко разбить эту строку на "реальные" токены, используя регулярное выражение для split
аргумент:
> strsplit(a, split=" +")
[[1]]
[1] "" "a" "string" "with" "lots"
[6] "of" "starting," "inter" "mediate" "and"
[11] "trailing" "whitespace"
Обратите внимание, что если есть совпадение в начале (непустой) строки, то первым элементом вывода будет ‘""’, но если в конце строки есть совпадение, результат будет таким же , как и при удалении совпадения.
Я создал trim.strings ()
функция для обрезки начальных и/или конечных пробелов как:
# Arguments: x - character vector
# side - side(s) on which to remove whitespace
# default : "both"
# possible values: c("both", "leading", "trailing")
trim.strings <- function(x, side = "both") {
if (is.na(match(side, c("both", "leading", "trailing")))) {
side <- "both"
}
if (side == "leading") {
sub("^\\s+", "", x)
} else {
if (side == "trailing") {
sub("\\s+$", "", x)
} else gsub("^\\s+|\\s+$", "", x)
}
}
Для иллюстрации:
a <- c(" ABC123 456 ", " ABC123DEF ")
# returns string without leading and trailing whitespace
trim.strings(a)
# [1] "ABC123 456" "ABC123DEF"
# returns string without leading whitespace
trim.strings(a, side = "leading")
# [1] "ABC123 456 " "ABC123DEF "
# returns string without trailing whitespace
trim.strings(a, side = "trailing")
# [1] " ABC123 456" " ABC123DEF"
Лучший метод — Trimw()
Следующий код применит эту функцию ко всему кадру данных.
mydataframe<- data.frame(lapply(mydataframe, Trimws),stringsAsFactors = FALSE)
Я попробовал обрезку().Хорошо работает с пробелами, а также с символом « ».x = ' Харден, Дж. '
обрезка (х)
myDummy[myDummy$country == "Austria "] <- "Austria"
После этого вам нужно будет заставить R не распознавать «Австрию» как уровень.Давайте представим, что у вас также есть уровни «США» и «Испания»:
myDummy$country = factor(myDummy$country, levels=c("Austria", "USA", "Spain"))
Немного менее устрашающе, чем ответ, получивший наибольшее количество голосов, но он все равно должен сработать.