中文字幕理论片,69视频免费在线观看,亚洲成人app,国产1级毛片,刘涛最大尺度戏视频,欧美亚洲美女视频,2021韩国美女仙女屋vip视频

作者簡介

野菜團(tuán)子，R語言中文社區(qū)專欄作者 

博客：https://ask.hellobi.com/blog/esperanca 

stringr包，顧名思義，處理字符串專用包，本篇筆記對它進(jìn)行簡單介紹。提到字符串處理，有一個(gè)繞不過去的主題，它是字符串處理的利器，也是字符串處理的問題制造機(jī)，它就是——正則表達(dá)式。本篇筆記順帶介紹一下正則表達(dá)在R語言中的應(yīng)用。

1.  連接字符串

在base包中，字符串的連接主要用paste和paste0兩個(gè)函數(shù)，在stringr包中，它們的替代品是str_c()函數(shù)。舉個(gè)簡單的例子：

str_c()繼承R語言函數(shù)的矢量化運(yùn)算風(fēng)格，會(huì)對參數(shù)進(jìn)行循環(huán)計(jì)算，直到更長的那個(gè)參數(shù)的完結(jié)：

str_c('', c('a','b', 'c'), '-suffix')

2.  截取子集

要截取字符串中的一段，使用str_sub()函數(shù)。str_sub()函數(shù)接受兩個(gè)數(shù)字參數(shù)作為截取字段起止的位置。不同于Python等其他語言的索引從0開始，R語言從1開始計(jì)數(shù)，并且包含截止的位置。舉個(gè)例子：

x <- c('apple','banana',="">

負(fù)數(shù)表示從字符串的右邊開始進(jìn)行截取。

3.  正則表達(dá)式

好了，開始我最喜歡也最頭疼的正則表達(dá)部分。先說通配符“.”，它能夠匹配除了新行外的所有字符，那么如果想要匹配它本身，就需要對它進(jìn)行轉(zhuǎn)義。在其他諸如stata中，我們在之前加上反斜杠“\”表示轉(zhuǎn)義，但是，在R語言中，我們使用字符串的形式來表示匹配模式，而在字符串中“\”本身是有特殊用法的字符，需要對它進(jìn)行轉(zhuǎn)義來表示轉(zhuǎn)義，就需要加兩個(gè)反斜杠。比如下面這個(gè)例子，我們用str_view函數(shù)來顯示匹配結(jié)果：

str_view(c('abc', 'a.c','bef'), 'a\\.c')

如上圖，雙反斜線轉(zhuǎn)義后才能匹配字符串中的“.”。

那么對于反斜線“\”本身呢？我們要怎么匹配它？

大家可能會(huì)覺得，轉(zhuǎn)義要兩個(gè)反斜杠，再加上本身一個(gè)，要三個(gè)反斜杠。

真這么簡單我何必特意問出來。

答案是要4個(gè)。

大家在R語言中設(shè)置當(dāng)前路徑的時(shí)候，如果在路徑中使用了反斜杠，就需要寫兩個(gè)“\”，前一個(gè)表示轉(zhuǎn)義，因?yàn)榉葱备鼙旧碓谧址杏刑厥獾暮x，所以轉(zhuǎn)義是必須的。同理，在R語言中，文本中要表示“\”，需要兩個(gè)反斜杠“\\”來表示。而要構(gòu)建一個(gè)正則模式來匹配文本中的這兩個(gè)反斜杠“\\”，首先是這兩個(gè)反斜杠得有，就是兩個(gè)，再注意一下，匹配模式本身也是文本，在文本中要表達(dá)一個(gè)反斜杠，就要在之前多加一個(gè)，所以在原有的兩個(gè)反斜杠前各加一個(gè)反斜杠，就一共有四個(gè)。就像這樣：

好啦，除了這一點(diǎn)需要特別點(diǎn)出來，R語言中的正則就和其他Perl啊、Python啊啥的語言一樣，大致沒什么特別的了。接下來介紹相關(guān)的函數(shù)。

4.  探測匹配

4.1 str_detect函數(shù)

str_detect函數(shù)用來探測是否在字符串中匹配到給定的模式，返回布爾值來表示結(jié)果。用words這個(gè)數(shù)據(jù)集，我們來匹配一下以“ac”開頭的單詞：

head(words)head(str_detect(words, '^ac'))

“^”表示只匹配行開頭的部分，與之相對的是“$”，表示只匹配行的結(jié)尾部分。

計(jì)算一下words中以元音字母結(jié)尾的單詞的比例：

中括號“[]”表示匹配其中的任意元素，“[^]”則表示匹配除了中括號里的元素外的所有元素。比如上代碼還可以表示為1減去以輔音字母結(jié)尾的單詞比例：

1 - mean(str_detect(words, '[^aeiou]$'))

4.2 str_count函數(shù)

str_count函數(shù)用來計(jì)數(shù)給定的模式被匹配上了多少次。比如計(jì)算words中每個(gè)單詞中有多少個(gè)元音字母：

5.  提取匹配

5.1 str_extract函數(shù)

有時(shí)候我們不僅想要知道匹配了多少次，還想知道具體匹配到了什么，這時(shí)候就可以用str_extract函數(shù)。以sentences數(shù)據(jù)為例，我們想要知道含有顏色的句子有哪些，都含有哪些顏色：

color_match <- str_c('red','orange',="" 'yellow',="" 'green',="" 'blue','purple',="" sep='|' )has_color=""><- str_subset(sentences,color_match)matches=""><->

str_extract函數(shù)只提取第一個(gè)匹配值，如果要匹配所有，就用str_extract_all函數(shù)。

返回的結(jié)果是一個(gè)列表，可以用tidyr包的unnest函數(shù)修整成tibble格式的數(shù)據(jù)，也可以設(shè)置simplify = TRUE來返回一個(gè)矩陣：str_extract_all(more, color_match, simplify= TRUE)

5.2 str_match函數(shù)

str_match函數(shù)在需要提取多個(gè)匹配值時(shí)非常趁手。比如想要匹配sentences中的名詞，我們假定名詞前都有冠詞the/a/an中的一個(gè)，其后跟一個(gè)空格，再跟一個(gè)非空格的元素組，那么我們給出如下的匹配模式：

noun <- '(the|a|an)="" ([^="">

()表示匹配模式組別，“+”表示前一個(gè)匹配值出現(xiàn)超過一次。我們需要提取的有兩個(gè)匹配值，一個(gè)是第一個(gè)括號里的冠詞，一個(gè)是第二個(gè)括號里的名詞。

對比str_extract函數(shù)把兩個(gè)匹配值提取成一個(gè)字符串，str_match把我們要的冠詞和名詞分別列出。str_match也只匹配第一個(gè)，如果要提取所有的名詞和冠詞，可以用str_match_all函數(shù)。

6.  替換匹配

str_replace函數(shù)替換匹配到的第一個(gè)模式，str_replace_all則可以替換所有。比如：

x <- c('1="" house',="" '2="" cars',="" '3="" people')str_replace_all(x,="" c('1'='one' ,="" '2'='two' ,="" '3'='three'>

7.  拆分

str_split函數(shù)將字符串向量進(jìn)行拆分，以sentences數(shù)據(jù)為例，按空格進(jìn)行拆分：

同樣可以進(jìn)行字符串拆分并且可以使用正則表達(dá)式的還有之前講到的tidyr包的separate函數(shù)。

8.  其他模式

在R語言中，使用一個(gè)字符串格式的模式時(shí)，是自動(dòng)調(diào)用正則表達(dá)式的。如果想要匹配的內(nèi)容不需要調(diào)用正則就能解決，就可以使用fixed函數(shù)，來避免煩人的轉(zhuǎn)義，而且也更省時(shí)。比如，如果要匹配文本中的反斜杠，配合fixed函數(shù)只用兩個(gè)反斜杠就行了：

a <- 'hello\\wor\\ld'writelines(a)str_extract_all(a,="">

而如果要匹配的內(nèi)容非常繁瑣，則可以選擇設(shè)置comments = TRUE，這樣可以在正則模式中添加注釋，比如Hadley的例子：

一個(gè)小tip，fixed和regex函數(shù)都有ignore _case選項(xiàng)，設(shè)置為TRUE后可以無視大小寫進(jìn)行匹配。

最后，附上stringr包的cheatsheet下載地址，想要了解更多的盆友們可以看看：

https://github.com/rstudio/cheatsheets/raw/master/strings.pdf