关于r：如何修剪前导和尾随空格？


How to trim leading and trailing whitespace?

我在data.frame中遇到了前导和尾随空格的麻烦。
例如，我想基于某个条件查看data.frame中的特定row：

1
2
3
4
5
> 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)

我想知道为什么我没有得到预期的输出，因为奥地利显然存在于我的data.frame。在查看我的代码历史并试图弄清楚出了什么问题后，我尝试了：

1
2
3
4
5
> 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

我在命令中改变的是奥地利之后的另一个空格。

显然会出现更烦人的问题。例如，当我想根据国家/地区列合并两个帧时。一个data.frame使用"Austria"，而另一个帧"Austria"。匹配不起作用。

  • 有没有一种很好的方式来"显示"我的屏幕上的空白，以便我知道这个问题？
  • 我可以删除R中的前导和尾随空格吗？

    • 到目前为止，我曾经写过一个简单的Perl脚本，它删除了空格，但如果我可以在R里面以某种方式做到这一点会很好。

    相关讨论

    从R 3.2.0开始，引入了一个用于删除前导/尾随空格的新函数：

    1
    trimws()

    请参阅：http：//stat.ethz.ch/R-manual/R-patched/library/base/html/trimws.html

    相关讨论

    可能最好的方法是在读取数据文件时处理尾随空格。如果使用read.csv或read.table，则可以设置参数strip.white=TRUE。

    如果您想在之后清理字符串，可以使用以下函数之一：

    1
    2
    3
    4
    5
    6
    7
    8
    # 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)

    要在myDummy$country上使用以下功能之一：

    1
    myDummy$country <- trim(myDummy$country)

    要"显示"您可以使用的空白：

    1
    paste(myDummy$country)

    它将显示由引号(")包围的字符串，使空格更容易被发现。

    相关讨论

    要操作空格，请在stringr包中使用str_trim()。
    该软件包的手册日期为2013年2月15日，并且在CRAN中。
    该函数还可以处理字符串向量。

    1
    2
    3
    4
    install.packages("stringr", dependencies=TRUE)
    require(stringr)
    example(str_trim)
    d4$clean2<-str_trim(d4$V2)

    (学分归于评论者：R。Cotton)

    相关讨论

    一个删除前导和尾随空格的简单函数：

    1
    2
    3
    trim <- function( x ) {
    gsub("(^[[:space:]]+|[[:space:]]+$)","", x)
    }

    用法：

    1
    2
    3
    > text =" foo bar baz 3"
    > trim(text)
    [1]"foo bar baz 3"

    ad1)要查看空格，您可以使用修改后的参数直接调用print.data.frame：

    1
    2
    3
    4
    5
    6
    7
    8
    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"

    有关其他选项，另请参阅?print.data.frame。

    使用grep或grepl查找带有空格和子的观察结果以消除它们。

    1
    2
    3
    4
    5
    6
    7
    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"
    相关讨论

    另一种选择是使用stringi包中的stri_trim函数，该函数默认为删除前导和尾随空格：

    1
    2
    3
    > x <- c(" leading space","trailing space ")
    > stri_trim(x)
    [1]"leading space" "trailing space"

    要仅删除前导空格，请使用stri_trim_left。要仅删除尾随空格，请使用stri_trim_right。如果要删除其他前导或尾随字符，则必须使用pattern =指定。

    有关详细信息，另请参见?stri_trim。

    我更愿意将答案作为评论添加到user56，但却无法写作独立答案。
    删除前导和尾随空白也可以通过gdata包中的trim()函数来实现：

    1
    2
    require(gdata)
    example(trim)

    用法示例：

    1
    2
    > trim(" Remove leading and trailing blanks ")
    [1]"Remove leading and trailing blanks"
    相关讨论

    如果输入之间有多个空格，则会出现另一个相关问题：

    1
    > a <-" a string with lots of starting, inter mediate and trailing whitespace "

    然后，您可以使用正则表达式轻松地将此字符串拆分为"真实"标记到split参数：

    1
    2
    3
    4
    5
    > strsplit(a, split=" +")
    [[1]]
    [1]"" "a" "string" "with" "lots"
    [6]"of" "starting," "inter" "mediate" "and"
    [11]"trailing" "whitespace"

    请注意，如果在开头有匹配项
    一个(非空)字符串，输出的第一个元素是'"'，但是
    如果字符串末尾有匹配，则输出为
    与删除的匹配相同。

    我创建了一个trim.strings ()函数来修剪前导和/或尾随空格，如下所示：

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    # 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)
    }
    }

    为了说明，

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    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"

    我试过trim()。适用于空白区域和' n'。
    x =' n哈登，J。 n'

    修剪(x)的

    最好的方法是trimws()

    以下代码将此函数应用于整个数据帧

    mydataframe<- data.frame(lapply(mydataframe, trimws),stringsAsFactors = FALSE)

    相关讨论

    1
    myDummy[myDummy$country =="Austria"] <-"Austria"

    在此之后，你需要强制R不要将"奥地利"识别为一个级别。让我们假装你也有"美国"和"西班牙"作为关卡：

    1
    myDummy$country = factor(myDummy$country, levels=c("Austria","USA","Spain"))

    比最高投票反应少一点恐吓，但它应该仍然有效。