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
很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12