自己写的字符处理函数+字符处理函数



（1）分割函数：

##############分割函数
Split<-function(mydata)######mydata为数据框，该函数将数据框平均分割成三个，并分别存储在三个表中。在默人位置在R的工作空间中
{

 MydataFrame<-data.frame()##定义
 x<-length(mydata[,1])##获取行数
 MydataFrame<-mydata[1:floor(x/3),]##floor函数是向下取整
 write.table(MydataFrame,file="Split1.csv",sep=",",na="NA",row.names = FALSE,col.names = FALSE)
 MydataFrame<-mydata[(floor(x/3)+1):(floor(x*(2/3))),]
 write.table(MydataFrame,file="Split2.csv",sep=",",na="NA",row.names = FALSE,col.names = FALSE)
 MydataFrame<-mydata[(floor(x*(2/3))+1):x,]
 write.table(MydataFrame,file="Split3.csv",sep=",",na="NA",row.names = FALSE,col.names = FALSE)
 ##写入csv文件中，不显示行名列名，分隔符是逗号
}

（2）列表转化成数据框函数

 fun<-function(list)##参数data
 {
  data<-data.frame()
  x<-length(list)
  for(i in 1:x)
  {
   data[i,1]<-list[[i]][1]
   data[i,2]<-list[[i]][2]
   ##data[i,3]<-mydata[i,2]
   ##data[i,4]<-mydata[i,3]
  }
  
  return (data)
 }
 （3）cat("|",data[i,2],sep="")##字符串链接，base包中自带，sep为链接符号参数

（4）去除字符串中的点

k=gsub("\\.","",k)##正则表达式，用gsub()函数去除点

（5）读取书籍并分别保存在表里面。

fun<-function()##书籍读入并保存函数
{
   
 setwd("C:\\中医书籍700本")##将工作空间转移到该目录下
 names.files<-dir()  ##将工作空间下的目录以字符串的形式，存放在names.files
 migrant<-list()##定义空列表表
 name="F:\\name.files"
 x<-length(names.files)##向量长度
 for (i in 1:x)
 {
 migrant[[i]]<-read.table(file=names.files[i],header=FALSE,stringsAsFactors =FALSE,sep="\t")##按照书籍名字，将所以书读入到列表中
 }
 for (i in 1:x)
 {
 filename<-paste(name,i,".csv",sep="")##进行字符串链接，形成自动改名递增的路径名
 write.csv(migrant[[i]],filename,append=FALSE)##写入csv文件，共700个
 }
}

转载（http://www.r-bloggers.com/lang/chinese/897）

字符串粘合：paste()负责将若干个字符串相连结，返回成单独的字符串。其优点在于，就算有的处理对象不是字符型也能自动转为字符型。

字符串分割：strsplit()负责将字符串按照某种分割形式将其进行划分，它正是paste()的逆操作。

字符串截取：substr()能对给定的字符串对象取出子集，其参数是子集所处的起始和终止位置。

字符串替代：gsub()负责搜索字符串的特定表达式，并用新的内容加以替代。sub()函数是类似的，但只替代第一个发现结果。

字符串匹配：grep()负责搜索给定字符串对象中特定表达式 ，并返回其位置索引。grepl()函数与之类似，但其后面的"l"则意味着返回的将是逻辑值。

一个例子：
我们来看一个处理邮件的例子，目的是从该文本中抽取发件人的地址。该文本在此可以下载到。邮件的全文如下所示：
----------------------------
Return-Path: [e-mail]
Delivery-Date: Sat Sep  7 05:46:01 2002
From: [e-mail] (Skip Montanaro)
Date: Fri, 6 Sep 2002 23:46:01 -0500
Subject: [Spambayes] speed
Message-ID: <[e-mail]>

If the frequency of my laptop's disk chirps are any indication, I'd say
hammie is about 3-5x faster than SpamAssassin.

Skip
----------------------------

# 用readLines函数从本地文件中读取邮件全文。data <- readLines('data')  # 判断对象的类，确定是一个文本型向量，每行文本是向量的一个元素。class(data)  # 从这个文本向量中找到包括有"From:"字符串的那一行email <- data[grepl('From:',data)] #将其按照空格进行分割，分成一个包括四个元素的字符串向量。from <- strsplit(email,' ')# 上面的结果是一个list格式，转成向量格式。from <- unlist(from) # 最后搜索包含'@'的元素，即为发件人邮件地址。from <- from[grepl('@',from)] 

在字符串的复杂操作中通常会包括正则表达式（Regular Expressions），关于这方面内容可以参考?regex

（转载一篇stringr包简介文章）

《Machine Learning for Hackers》一书的合著者John Myles White近日接受了一个访谈。在访谈中他提到了自己在R中常用的几个扩展包，其中包括用ggplot2包来绘图，用glmnet包做回归，用tm包进行文本挖掘，用plyr、reshape、lubridate和stringr包进行数据预处理。这些包本博客大部分都有所介绍，今天就来看看这个遗漏的stringr包。

从名字就看得出，stringr包是用来处理字符串的。R语言本身的字符处理能力已经不错了，但使用起来并不是很方便。stringr包将原本的字符处理函数进行了打包，统一了函数名和参数。在增强功能基础上，还能处理向量化数据并兼容非字符数据。stringr包号称能让处理字符的时间减少95%。下面将其中的一些主要函数罗列一下。
library(stringr)

# 合并字符串
fruit <- c("apple","banana","pear","pinapple")
res <- str_c(1:4,fruit,sep=' ',collapse=' ')
str_c('I want to buy ',res,collapse=' ')

# 计算字符串长度
str_length(c("i","like","programming R",123,res))

# 按位置取子字符串
str_sub(fruit,1,3)
# 子字符串重新赋值
capital <-toupper(str_sub(fruit,1,1))
str_sub(fruit,rep(1,4),rep(1,4))<- capital

# 重复字符串
str_dup(fruit,c(1,2,3,4))

# 加空白
str_pad(fruit,10,"both")
# 去除空白
str_trim(fruit)

# 根据正则表达式检验是否匹配
str_detect(fruit,"a$")
str_detect(fruit,"[aeiou]")

# 找出匹配的字符串位置
str_locate(fruit,"a")

# 提取匹配的部分
str_extract(fruit,"[a-z]+")
str_match(fruit,"[a-z]+")

# 替换匹配的部分
str_replace(fruit,"[aeiou]","-")

# 分割
str_split(res," ")

本文来自: 人大经济论坛 R语言论坛 版，详细出处参考： http://bbs.pinggu.org/forum.php?mod=viewthread&tid=2372269&page=1