Як обрізати пробіли та пробіли?

У мене виникають деякі проблеми з провідним і заднім пробілом у data.frame. Наприклад, я хотів би поглянути на конкретного rowв data.frameзалежності від певного стану:

> 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)

Мені було цікаво, чому я не отримав очікуваного випуску, оскільки країна Австрія, очевидно, існувала в моїй data.frame. Переглянувши мою історію коду і намагаючись зрозуміти, що пішло не так, я спробував:

> 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

Все, що я змінив у команді, - це додатковий пробіл після Австрії.

Подальші дратівливі проблеми очевидно виникають. Наприклад, коли мені подобається об'єднувати два кадри на основі стовпця країни. Один data.frameвикористовує, "Austria "коли інший кадр має "Austria". Відповідність не працює.

1. Чи є приємний спосіб "показати" пробіл на моєму екрані, щоб я знав про проблему?
2. І чи можу я видалити провідну та кінцеву пробіли в R?

Поки я писав простий Perlсценарій, який видаляє пробіл, але було б добре, якщо я можу якось це зробити всередині Р.

Мабуть, найкращий спосіб - це обробляти кінцеві пробіли під час читання файлу даних. Якщо ви використовуєте read.csvабо read.tableможете встановити параметр strip.white=TRUE.

Якщо ви хочете після цього очистити рядки, ви можете скористатися однією з таких функцій:

# 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)

Щоб використовувати одну з цих функцій, myDummy$countryвиконайте вказані нижче дії .

 myDummy$country <- trim(myDummy$country)

Щоб "показати" пробіл, який ви можете використовувати:

 paste(myDummy$country)

який покаже вам рядки, оточені лапками ("), що полегшує простеження пробілів.

З R 3.2.0 була введена нова функція для видалення проміжних / задніх пробілів:

trimws()

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

Для маніпулювання пробілом використовуйте str_trim () в пакеті stringr. Пакет має посібник від 15 лютого 2013 року і знаходиться в CRAN. Функція також може обробляти струнні вектори.

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

(кредит надходить до коментатора: Р. Коттон)

Проста функція для видалення пробілів провідних та кінцевих пробілів:

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

Використання:

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

ad1) Щоб побачити пробіли, можна безпосередньо зателефонувати за print.data.frameдопомогою змінених аргументів:

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"

Дивіться також ?print.data.frameінші варіанти.

Використовуйте grep або grepl, щоб знайти спостереження з пробілами та sub, щоб позбутися від них.

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"  

Я вважаю за краще додати відповідь як коментар до користувача56, але поки не можу так написати як самостійну відповідь. Видалення провідних і кінцевих заготовок може бути досягнуто і за допомогою функції trim () з пакета gdata:

require(gdata)
example(trim)

Приклад використання:

> trim("   Remove leading and trailing blanks    ")
[1] "Remove leading and trailing blanks"

Інша пов'язана проблема виникає, якщо між входами є кілька пробілів:

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

Потім ви можете легко розділити цей рядок на "реальні" лексеми, використовуючи регулярний вираз splitаргументу:

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

Зауважте, що якщо є збіг на початку (не порожній) рядка, першим елементом виводу є "" "', але якщо є відповідність у кінці рядка, вихід буде таким самим, як із вилученою сіркою

Інший варіант полягає у використанні stri_trimфункції з stringiпакета, яка за замовчуванням видаляє провідні та відсталі пробіли:

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

Для видалення лише провідних пробілів використовуйте stri_trim_left. Використовуйте лише для вилучення пробілів stri_trim_right. Коли ви хочете видалити інші провідні або кінцеві символи, вам слід вказати це за допомогою pattern =.

Дивіться також ?stri_trimдля отримання додаткової інформації.

Я створив trim.strings ()функцію для обрізки провідних та / або пробільних пробілів як:

# 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)
    } 
} 

Для ілюстрації

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"   

Найкращий метод - trimws ()

Наступний код застосує цю функцію до всього фрейму даних

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

Я спробував обрізати (). Добре працює з пробілами, а також з \ \ n '. x = '\ n Гарден, Дж. \ n'

обрізка (х)

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

Після цього вам потрібно змусити R не визнавати "Австрію" рівнем. Зробимо вигляд, що у вас також є "США" та "Іспанія" як рівні:

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

Трохи менш залякуючий, ніж відповідь, яка найбільше проголосувала, але все одно має працювати.