Jak przyciąć wiodące i końcowe białe znaki?

Mam pewne problemy z prowadzeniem i kończeniem białych znaków w ramce data.frame. Np. Lubię przyjrzeć się konkretnemu roww data.frameoparciu o pewien warunek:

> 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)

Zastanawiałem się, dlaczego nie uzyskałem oczekiwanej produkcji, skoro Austria oczywiście istniała w moim kraju data.frame. Po przejrzeniu historii kodu i próbie ustalenia, co poszło nie tak, próbowałem:

> 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

Wszystko, co zmieniłem w poleceniu, to dodatkowe białe znaki po Austrii.

Oczywiście powstają dalsze irytujące problemy. Np. Kiedy chcę scalić dwie ramki na podstawie kolumny kraju. Jedna data.frameużywa, "Austria "a druga ma "Austria". Dopasowywanie nie działa.

1. Czy istnieje dobry sposób na „pokazanie” białych znaków na ekranie, aby zdawać sobie sprawę z problemu?
2. Czy mogę usunąć wiodące i końcowe białe znaki w R?

Do tej pory pisałem prosty Perlskrypt, który usuwa białe spacje, ale byłoby miło, gdybym mógł jakoś to zrobić wewnątrz R.

Prawdopodobnie najlepszym sposobem jest obsługa końcowych białych znaków podczas odczytywania pliku danych. Jeśli używasz read.csvlub read.tablemożesz ustawić parametr strip.white=TRUE.

Jeśli chcesz później wyczyścić ciągi, możesz użyć jednej z następujących funkcji:

# 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)

Aby użyć jednej z tych funkcji w myDummy$country:

 myDummy$country <- trim(myDummy$country)

Aby „pokazać” białe znaki, których możesz użyć:

 paste(myDummy$country)

który pokaże ciągi otoczone znakami cudzysłowu („), dzięki czemu łatwiej będzie dostrzec białe spacje.

Począwszy od wersji 3.2.0 wprowadzono nową funkcję usuwania wiodących / końcowych białych znaków:

trimws()

Zobacz: http://stat.ethz.ch/R-manual/R-pched/library/base/html/trimws.html

Aby manipulować białą spacją, użyj str_trim () w pakiecie stringr. Podręcznik ma datę 15 lutego 2013 r. I jest w wersji CRAN. Funkcja może również obsługiwać wektory łańcuchowe.

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

(podziękowania dla komentatora: R. Cotton)

Prosta funkcja usuwania początkowych i końcowych białych znaków:

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

Stosowanie:

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

ad1) Aby zobaczyć białe spacje, możesz bezpośrednio wywołać print.data.framezmodyfikowane argumenty:

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"

Zobacz także ?print.data.frameinne opcje.

Użyj grep lub grepl, aby znaleźć obserwacje z białymi spacjami i sub, aby się ich pozbyć.

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"  

Wolałbym dodać odpowiedź jako komentarz do użytkownika 56, ale nie mogę tego napisać jako niezależnej odpowiedzi. Usunięcie początkowych i końcowych spacji można również osiągnąć za pomocą funkcji trim () z pakietu gdata:

require(gdata)
example(trim)

Przykład użycia:

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

Kolejny powiązany problem występuje, jeśli między wejściami jest wiele spacji:

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

Następnie możesz łatwo podzielić ten ciąg na „rzeczywiste” tokeny, używając wyrażenia regularnego do splitargumentu:

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

Zauważ, że jeśli istnieje dopasowanie na początku (niepustego) ciągu, pierwszym elementem wyniku jest „” „”, ale jeśli istnieje dopasowanie na końcu łańcucha, wynik jest taki sam jak z usuniętym dopasowaniem.

Inną opcją jest użycie stri_trimfunkcji z stringipakietu, która domyślnie usuwa początkowe i końcowe białe znaki:

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

Aby usunąć tylko wiodące białe znaki, użyj stri_trim_left. Aby usunąć tylko końcowe białe znaki, użyj stri_trim_right. Jeśli chcesz usunąć inne wiodące lub końcowe znaki, musisz to określić za pomocą pattern =.

Zobacz także, ?stri_trimaby uzyskać więcej informacji.

Utworzyłem trim.strings ()funkcję przycinania początkowych i / lub końcowych białych znaków jako:

# 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)
    } 
} 

Dla ilustracji

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"   

Najlepszą metodą jest trimws ()

Poniższy kod zastosuje tę funkcję do całej ramki danych

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

Próbowałem trim (). Działa dobrze z białymi spacjami oraz „\ n”. x = '\ n Harden, J. \ n'

wykończenie (x)

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

Następnie musisz zmusić R, aby nie rozpoznawał „Austrii” jako poziomu. Udawajmy, że masz również poziomy „USA” i „Hiszpania”:

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

Trochę mniej onieśmielające niż najwyższa głosowana odpowiedź, ale powinno nadal działać.