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
CDA数据分析师 出品 作者:李诗怡 定义区别 · 场景举例 · 指标分类 · 计算方法 知识体系总览 模块 包含内容 一、核 ...
2026-10-09在数据分析工作流中,业务数据大多存储在各类关系型数据库内,例如MySQL、PostgreSQL、SQLite等。Pandas是Python生态中主流的数 ...
2026-10-09在数字化精细化运营时代,海量用户存在需求差异、行为差异、价值差异与偏好差异。如果企业采用“一刀切”的统一营销、统一服务、 ...
2026-10-09 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-10-09指标体系是企业数字化分析、业务监控、经营决策的核心基础框架,是将零散数据转化为可衡量、可对比、可落地业务价值的关键体系。 ...
2026-10-08随着市场竞争日趋饱和,同质化低价竞争逐渐陷入内卷僵局,传统以价格、渠道、促销为核心的营销模式边际效益持续递减。在此背景下 ...
2026-10-08 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 ...
2026-10-08你有没有想过,手机里点外卖、刷社交软件、转一笔账,背后到底是谁在替你"记着账"? 答案其实很简单:数据库,以及跟它对话的那 ...
2026-10-07CDA数据分析师 出品 作者:李诗怡 一、数据分析四大思维 1. 对比思维:没有对比就没有分析 核心观点:单独一个数字没有意义,有 ...
2026-10-05Kimball 是方法,星型模型是它产出的形状。 很多人把"Kimball vs 星型模型"当成一道选择题——这本身就是个误会:Kimball 是动词 ...
2026-10-05写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 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 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 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 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28