Jak przycinać białe spacje prowadzące i końcowe?

Od R 3.2.0 wprowadzono nową funkcję do usuwania wiodących / końcowych białych spacji:

trimws()

Zobacz: Usuń Początkowe / Końcowe Białe Spacje

Aby manipulować białą spacją, użyj str_trim () w pakiecie stringr. Pakiet ma manual z 15 lutego 2013 roku i znajduje się w CRAN . Funkcja może również obsługiwać wektory łańcuchowe.

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

(kredyt idzie do komentatora: R. Cotton)

Prosta Funkcja do usuwania początkowych i końcowych białych znaków:

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

Użycie:

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

Ad 1) aby zobaczyć białe spacje można bezpośrednio wywołać {[1] } ze zmodyfikowanymi argumentami:

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.frame dla innych opcji.

Użycie grep lub grepl aby znaleźć obserwacje z białymi przestrzeniami i sub żeby 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"

Usunięcie pierwszych i końcowych spacji może być również osiągnięte poprzez funkcję trim () z pakietu gdata:

require(gdata)
example(trim)

Przykład użycia:

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

_{wolałbym dodać odpowiedź jako komentarz do user56, ale nie jestem jeszcze w stanie tak pisać jako niezależna odpowiedź.}

Inną opcją jest użycie funkcji stri_trim z pakietu stringi, która domyślnie usuwa początkowe i końcowe białe znaki:

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

Do usuwania tylko wiodących białych znaków, użyj stri_trim_left. Aby usunąć tylko końcowe spacje, użyj stri_trim_right. Jeśli chcesz usunąć inne znaki początkowe lub końcowe, musisz to określić za pomocą pattern =.

Zobacz także ?stri_trim aby uzyskać więcej informacji.

Inny powiązany problem występuje, jeśli pomiędzy wejściami znajduje się wiele spacji:

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

Można następnie łatwo podzielić ten łańcuch na "prawdziwe" tokeny używając wyrażenia regularnego do argumentu split:

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

Zauważ, że jeśli na początku (niepustego) łańcucha jest dopasowanie, pierwszym elementem wyjścia jest'"", ale jeśli na końcu łańcucha jest dopasowanie, to wyjście jest takie samo jak po usunięciu dopasowania.

Utworzyłem trim.strings () funkcję do 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)
    } 
} 

Na ilustrację,

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, a także "\n".

x = '\n              Harden, J.\n              '

trim(x)

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

Po tym, będziesz musiał wymusić, aby R nie rozpoznał "Austria " jako poziomu. Załóżmy, że masz również "USA" i "Spain" jako poziomy:

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