京公网安备 11010802034615号
经营许可证编号:京B2-20210330
R语言学习之数据的清理和转化
处理字符串
grep grepl 和regexpr函数都能找到与模式相匹配的字符串 sub 和 gsub函数能替换匹配的字符串
加载strngr包,fixed里面为要匹配的字符串 返回匹配的字符串序列
[plain] view plain copy
> library(stringr)
> multiple <- str_detect(english_monarchs$domain,fixed(","))
> english_monarchs[multiple,c("name","domain")]
name domain
17 Offa East Anglia, Mercia
18 Offa East Anglia, Kent, Mercia
19 Offa and Ecgfrith East Anglia, Kent, Mercia
20 Ecgfrith East Anglia, Kent, Mercia
22 C<U+009C>nwulf East Anglia, Kent, Mercia
23 C<U+009C>nwulf and Cynehelm East Anglia, Kent, Mercia
24 C<U+009C>nwulf East Anglia, Kent, Mercia
25 Ceolwulf East Anglia, Kent, Mercia
26 Beornwulf East Anglia, Mercia
82 Ecgbehrt and <U+00C6>thelwulf Kent, Wessex
83 Ecgbehrt and <U+00C6>thelwulf Kent, Mercia, Wessex
84 Ecgbehrt and <U+00C6>thelwulf Kent, Wessex
85 <U+00C6>thelwulf and <U+00C6>eelstan I Kent, Wessex
86 <U+00C6>thelwulf Kent, Wessex
87 <U+00C6>thelwulf and <U+00C6>eelberht III Kent, Wessex
88 <U+00C6>eelberht III Kent, Wessex
89 <U+00C6>thelred I Kent, Wessex
95 Oswiu Mercia, Northumbria
使用正则表达式来匹配多个要匹配的字符串,这是来匹配逗号和and
[plain] view plain copy
> ruler <- str_detect(english_monarchs$name,",|and")
> english_monarchs[ruler & !is.na(ruler)]
把name一列拆分掉,则可以使用str_splist函数
[plain] view plain copy
> indival <- str_split(english_monarchs$name,",|and")
> head(indival[sapply(indival,length)>1])
[[1]]
[1] "Sigeberht " " Ecgric"
[[2]]
[1] "Hun" " Beonna " " Alberht"
[[3]]
[1] "Offa " " Ecgfrith"
[[4]]
[1] "C\u009cnwulf " " Cynehelm"
[[5]]
[1] "Sighere " " Sebbi"
[[6]]
[1] "Sigeheard " " Swaefred"
st_count是用来统计有多少个字符串
[plain] view plain copy
> str_count(english_monarchs$name,th)
str_replace函数来代替字符串中的某一个
ignore.case来忽略某一个字符或字符串
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22