如何修剪前导和尾随空格？

Question

我在data.frame中遇到了前导和尾随空格的麻烦.例如,我想看看在特定row的data.frame基础上有一定的条件:

> 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)

我想知道为什么我没有得到预期的产量,因为奥地利显然存在于我的国家data.frame.在查看我的代码历史并试图弄清楚出了什么问题后,我尝试了:

> 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

我在命令中改变的是奥地利之后的另一个空格.

显然会出现更烦人的问题.例如,当我想根据国家/地区列合并两个帧时.一个data.frame用于"Austria "另一个帧"Austria".匹配不起作用.

1. 有没有一种很好的方式来"显示"我的屏幕上的空白,以便我知道这个问题？
2. 我可以删除R中的前导和尾随空格吗？

到目前为止,我曾经写过一个Perl删除空格的简单脚本,但如果我可以在R里面以某种方式做到这一点会很好.

Answer 1

从R 3.2.0开始,引入了一个用于删除前导/尾随空格的新函数:

trimws()

请参阅:http://stat.ethz.ch/R-manual/R-patched/library/base/html/trimws.html

Answer 2

可能最好的方法是在读取数据文件时处理尾随空格.如果您使用read.csv或read.table您可以设置参数strip.white=TRUE.

如果您想在之后清理字符串,可以使用以下函数之一:

# 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)

要使用以下功能之一myDummy$country:

 myDummy$country <- trim(myDummy$country)

要"显示"您可以使用的空白:

 paste(myDummy$country)

它将显示由引号(")包围的字符串,使空格更容易被发现.

Answer 3

要操作空格,请在stringr包中使用str_trim().该软件包的手册日期为2013年2月15日,并且在CRAN中.该函数还可以处理字符串向量.

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

(学分归于评论者:R.Cotton)

Answer 4

一个删除前导和尾随空格的简单函数:

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

用法:

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

Answer 5

ad1)要查看空格,您可以print.data.frame使用修改后的参数直接调用:

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"

另请参阅?print.data.frame其他选项.

Answer 6

使用grep或grepl查找带有空格和子的观察结果以消除它们.

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"  

Answer 7

如果输入之间有多个空格，则会出现另一个相关问题：

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

然后，您可以使用split参数的正则表达式轻松地将此字符串拆分为“真实”标记：

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

注意，如果在（非空）字符串的开头有匹配，则输出的第一个元素是'""'，但如果在字符串的末尾有匹配，则输出与删除了比赛。

Answer 8

我更愿意将答案作为评论添加到user56,但却无法写作独立答案.删除前导和尾随空白也可以通过gdata包中的trim()函数来实现:

require(gdata)
example(trim)

用法示例:

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

Answer 9

另一种选择是使用包中的stri_trim函数stringi,默认为删除前导和尾随空格:

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

要仅删除前导空格,请使用stri_trim_left.要仅删除尾随空格,请使用stri_trim_right.如果要删除其他前导或尾随字符,则必须指定pattern =.

另请参阅?stri_trim更多信息.

Answer 10

我创建了一个trim.strings ()函数来修剪前导和/或尾随空格：

# 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)
    } 
} 

为了说明，

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"