36. R 数据整理（八： stringr 处理字符串数据）
作为同属于tidyverse 大家庭的一份子，stringr 也为R 的一般字符串处理，献上了一份自己的力量！
基本用法
查看长度
x <- "The birch canoe slid on the smooth planks."
length(x)
str_length(x)
> length(x)
[1] 1
> str_length(x)
[1] 42
length 只会返回出x 中的元素数（长度为1 的字符串类型的向量）。
str_length 才会返回字符串长度。（其实R 也提供了nchar 的方法）
拆分与组合
拆分
需要注意的是，提取拆分后的元素需要使用 [[]] 双括号选择。
x <- "The birch canoe slid on the smooth planks."
str_split(x," ")
x2 = str_split(x," ")[[1]]
# 此时x2 是一个包含x中所有单词（用空格拆分了）的向量。
> length(x2)
[1] 8
合并
collapse 设定合并向量中内容使用的分隔符。
str_c(x2,collapse = " ")
collapse 参数设定分离的元素结合成一个字符串分离的符号。
还可以将两个向量中的元素，或向量和另外一个字符串进行合并。
str_c(x2,1234,sep = "+")
sep 参数设定某两个分隔的元素连接，使用某符号。、
如果是长度不相等的两个向量合并，则会循环连接（挨个对上，而非全部对上）：
> c
[1] 9 10 1 8 4 5 6 2 12 11 7 3
> b
[1] "a" "ppple"
> str_c(c,b, sep='+')
[1] "9+a" "10+ppple" "1+a" "8+ppple" "4+a" "5+ppple"
[7] "6+a" "2+ppple" "12+a" "11+ppple" "7+a" "3+ppple"
提取字符串
str_sub(string, start = 1L, end = -1L) ，从start 到end， 为提取的string 中字符在字符串中的位置。（空格也占位！）
x <- "The birch canoe slid on the smooth planks."
str_sub(x,5,9)
大小写转换
upper 大写，lower 大写，title 首字母大写。
str_to_upper(x2)
str_to_lower(x2)
str_to_title(x2)
字符串排序
默认按照英文字母或数字大小顺序。
str_sort(x2)
空白处理
stringr::str_trim(string, side) 返回删去字符型向量 string 每个元素的首尾空格的结果，可以用 side 指定删除首尾空格("both")、开头空格("left")、末尾空格("right")。如:
stringr::str_squish(string) 对字符型向量 string 每个元素，将重复空格变成单个，返回变换后的结果。
高级用法
字符检测
对字符串分隔后的向量与待检测的字符进行比较，生成等长的逻辑值向量。detect 检测全字符，starts 检测首字母，ends 检测末字母。
str_detect(x2,"h")
str_starts(x2,"T")
str_ends(x2,"e")
> str_detect(x2,"h")
[1] TRUE TRUE FALSE FALSE FALSE TRUE TRUE FALSE
还可以联合 table 统计TRUE 与FALSE 的数目。
> table(str_detect(x2,"h"))
FALSE TRUE
4 4
另外，也可以联合 sum 获取TRUE 数目， mean 获得TRUE 比例。
> sum(str_detect(x2,"h"))
[1] 4
> mean(str_detect(x2,"h"))
[1] 0.5
提取匹配字符
将向量中符合要求的元素提取为一个新的向量。
> x <- str_subset(x2,"h")
> x
[1] "The" "birch" "the" "smooth"
ps：匹配和检测支持正则：
字符计数
计算字符串内指定字符出现次数。
str_count(x," ")
str_count(x2,"o")
> str_count(x," ")
[1] 7
> str_count(x2,"o")
[1] 0 0 1 0 1 0 2 0
字符替换与删除
replace 会替换字符串中指定的第一个字符。而replace_all 则替换全部符合的字符。
str_replace(x2,"o","A")
str_replace_all(x2,"o","A")
> str_replace(x2,"o","A")
[1] "The" "birch" "canAe" "slid" "An" "the"
[7] "smAoth" "planks."
> str_replace_all(x2,"o","A")
[1] "The" "birch" "canAe" "slid" "An" "the"
[7] "smAAth" "planks."
> > str_remove(x2, "[.]")
[1] "The" "birch" "canoe" "slid" "on" "the"
[7] "smooth" "planks"
str_remove 可以将指定的某个字符串从字符串中删除。
练习题
6-2
#练习6-2
library(stringr)
#Bioinformatics is a new subject of genetic data collection,analysis and dissemination to the research community.
tmp <- "Bioinformatics is a new subject of genetic data collection,analysis and dissemination to the research community."
#1.将上面这句话作为一个长字符串，赋值给tmp
#2.拆分为一个由单词组成的向量，赋值给tmp2(注意标点符号)
tmp2 <- tmp %>%
str_replace(',', ' ') %>%
str_replace('\\.','') %>%
str_split(" ")
# 直接用或连字符， str_split(" |,") 可以省去替换, 操作
tmp2 <- tmp2[[1]]
tmp2
#3.用函数返回这句话中有多少个单词。
length(tmp2)
#4.用函数返回这句话中每个单词由多少个字母组成。
str_length(tmp2)
#5.统计tmp2有多少个单词中含有字母"e"
sum(str_detect(tmp2, "e"))
腾讯云开发者
