专栏首页大数据风控R中字段抽取、字段合并、字段匹配

R中字段抽取、字段合并、字段匹配

1、字段抽取

字段抽取,是根据已知列数据的开始和结束位置,抽取出新的列

字段截取函数:substr(x,start,stop)

tel <- '18922254812';
#运营商
band <- substr(tel, 1, 3)
#地区
area <- substr(tel, 4, 7)
#号码段
num <- substr(tel, 8, 11)

tels <- read.csv('1.csv');
#运营商
bands <- substr(tels[,1], 1, 3)
#地区
areas <- substr(tels[,1], 4, 7)
#号码段
nums <- substr(tels[,1], 8, 11)

new_tels <- data.frame(tels, bands, areas, nums)

2、字段合并

字段合并,是指将同一个数据框中的不同列,进行合并,形成新的列

字符分割函数:paste(x1,x2,...,sep=" ")

data <- read.table('1.csv', sep=' ')

p_data <- paste(data[,1], data[,2], data[,3], sep="")

newData <- data.frame(data, p_data)

3、记录合并

将两个结构相同的数据框,合并成一个数据框

记录合并函数:rbind(dataFrame1,dataFrame2,...)

data_1_1 <- read.table('1.csv', sep='|', header=TRUE, fileEncoding='utf-8');
data_1_2 <- read.table('2.csv', sep='|', header=TRUE, fileEncoding='utf-8');
data_1_3 <- read.table('3.csv', sep='|', header=TRUE, fileEncoding='utf-8');

data <- rbind(data_1_1, data_1_2, data_1_3)
fix(data)

4、字段匹配

将不同结构的数据框,按照一定的条件进行合并(两表合并)

字段匹配函数:merge(x,y,by.x,by.y)

items <- read.table('1.csv', sep='|', header=FALSE, fileEncoding='utf-8')
fix(items)

prices <- read.table('2.csv', sep='|', header=FALSE, fileEncoding='utf-8')
fix(prices)

itemPrices <- merge(prices, items, by.x=c('V1'), by.y=c('V1'))
fix(itemPrices)

Join( )也可以用来实现两表连接:

inner_join(t1,t2,by=c("列名1","列名2"))
#功能等于:
merge(t1,t2,by.x="列名",by.y="列名")

#还有其他的join方式:
full_join 全连接
left_join 左连接
right_join 右连接

5、字符串处理高级技巧

x <- c("Hellow", "World", "!") 
#一、字符串长度
nchar(x)
#[1] 6 5 1
length(x)
#[1] 3

#二、字符串替换
chartr("HW", "ZX", x)
#[1] "Zellow" "Xorld"  "!"     

#三、字符串的大小写转换
tolower(x)
#[1] "hellow" "world"  "!"
toupper(x)
#[1] "HELLOW" "WORLD"  "!"     

#四、字符串的拼接
paste("CK", 1:6, sep="")
#[1] "CK1" "CK2" "CK3" "CK4" "CK5" "CK6" 
x <- list(a="aaa", b="bbb", c="ccc") 
y <- list(d=1, e=2) 
paste(x, y, sep="-")     
#较短的向量被循环使用 
#[1] "aaa-1" "bbb-2" "ccc-1" 

#五、字符串切割
text <- "Hello word!"
strsplit(text, ' ')
#[[1]]
#[1] "Hello" "word!"
class(strsplit(text, ' '))
#[1] "list"

#有一种情况很特殊:
#如果split参数的字符长度为0,得到的结果就是一个个的字符:
strsplit(text, '')
#[[1]]
# [1] "H" "e" "l" "l" "o" " " "w" "o" "r" "d" "!"

#一个首字符大写的综合案例
capStringAll <- function(x)
  {
  s <- strsplit(x, " ")[[1]]
  paste(toupper(substring(s, 1, 1)), substring(s, 2),
        sep = "", collapse = " ")
}
capStringAll("hello word")
#[1] "Hello Word"

capString <- function(x) 
  {
  s <- strsplit(x, " ")[[1]]
  s[1] <- paste(toupper(substring(s[1], 1, 1)), substring(s[1], 2), sep = "", collapse = " ");
  paste(s, sep = "", collapse = " ")
}
capString("hello word")
#[1] "Hello word"

#六、字符串的查找
#grep, grepl: 返回pattern的匹配项。
#前者返回匹配项目的下标;后者返回逻辑值,x长度有多少,就返回多少个逻辑值。
#如果添加一个value参数,赋值为T,则返回匹配项的值。
text <- c("Company", "Coworker", "Cooperation", "Can")
grep("o", text)
#[1] 1 2 3

grepl("o", text)
#[1]  TRUE  TRUE  TRUE FALSE

grep("o", text, value = T)
#[1] "Company"     "Coworker"    "Cooperation"

#七、字符串的替换
#sub, gsub: 返回用replacement替换匹配项之后的x(字符型向量)。
#前者只替换向量中每个元素的第一个匹配值,后者替换所有匹配值。
#注意以下两个例子中"o"的替换方式。
sub("o", "xx", text)
#[1] "Cxxmpany"     "Cxxworker"    "Cxxoperation" "Can" 
gsub("o", "xx", text)
#[1] "Cxxmpany"     "Cxxwxxrker"   "Cxxxxperatixxn" "Can"

#八、字符串的截取
x <- "123456789" 
substr(x, 2, 4) 
#[1] "234" 
substring(x, c(2,4), c(4,5,8)) 
#[1] "234"     "45"      "2345678" 

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • Python中的分布分析cut+groupby

    分布分析(cut+groupby) 根据分析目的,将数据(定量数据)进行等距或者不等距的分组, 进行研究各组分布规律的一种分析方法。 import numpy ...

    Erin
  • Python中时间格式数据的处理

    1、时间转换 时间转换是指字符型的时间格式数据,转换成为时间型数据的过程。 一般从csv导入过来的文件,时间都保存为字符型格式的,需要转换。 时间转换函数: d...

    Erin
  • R分类算法-Logistic回归算法

    逻辑回归 Logistic Regression 所谓LR,就是一个被Logistic方程归一化后的线性回归,可以将非线性的问题转化为线性问题。 优点: ...

    Erin
  • 同行评审以权谋私,让投稿人多引用自己文章,爱思唯尔将彻查此事

    爱思唯尔发现,某些同行评审正在滥用自己的权力,提高自己文章的引用率。他们会在投稿人的在审稿意见中加入一句提醒:“请参考XXX文献”,而这篇文献往往是审稿人自己的...

    量子位
  • R︱Yandex的梯度提升CatBoost 算法(官方述:超越XGBoost/lightGBM/h2o)

    俄罗斯搜索巨头 Yandex 昨日宣布开源 CatBoost ,这是一种支持类别特征,基于梯度提升决策树的机器学习方法。 CatBoost 是由 Yand...

    素质
  • 【译文】什么是数据可视化?②

    Have you heard about data visualisations, wondered what a visualisation is, why ...

    小莹莹
  • 「小程序JAVA实战」小程序页面的上拉下拉刷新(50)

    PS:上拉刷新不需要做任何的配置,下拉刷新需要开启配置,每次请求建议开启 wx.showNavigationBarLoading() 和 wx.hideNavi...

    IT故事会
  • 我与Microtasks的前世今生之一眼望穿千年

    2018年9月21日,虽然没有参加该场GDD,但是也有幸拜读了百度@小蘑菇小哥总结的文章深入浏览器的事件循环(GDD@2018),配注的说明插图形象生动,文终的...

    IMWeb前端团队
  • Zend PHP5笔记

    四种标签 Standard Tags ,Short Tags,Script Tags,ASP Tags

    lilugirl
  • Xcode9 在全屏模式下使用Xcode模拟器

    傅_hc

扫码关注云+社区

领取腾讯云代金券