Bagaimana cara memotong spasi putih depan dan belakang?

Saya mengalami beberapa masalah dengan memimpin dan mengikuti spasi putih di data.frame. Misalnya saya ingin lihat tertentu rowdalam data.frameberdasarkan kondisi tertentu:

> 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)

Saya bertanya-tanya mengapa saya tidak mendapatkan hasil yang diharapkan karena negara Austria jelas ada di negara saya data.frame. Setelah melihat sejarah kode saya dan mencoba mencari tahu apa yang salah, saya mencoba:

> 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

Semua yang saya ubah dalam perintah adalah spasi tambahan setelah Austria.

Masalah menjengkelkan lebih lanjut jelas muncul. Misal ketika saya ingin menggabungkan dua frame berdasarkan kolom negara. Satu data.framemenggunakan "Austria "sementara bingkai lainnya "Austria". Pencocokan tidak berfungsi.

1. Apakah ada cara yang bagus untuk 'menunjukkan' spasi putih di layar saya sehingga saya mengetahui masalahnya?
2. Dan bisakah saya menghapus spasi putih terkemuka dan tertinggal di R?

Sejauh ini saya biasa menulis Perlskrip sederhana yang menghilangkan spasi, tetapi alangkah baiknya jika saya bisa melakukannya di dalam R.

Mungkin cara terbaik adalah menangani spasi putih tambahan saat Anda membaca file data Anda. Jika Anda menggunakan read.csvatau read.tableAnda dapat mengatur parameter strip.white=TRUE.

Jika Anda ingin membersihkan string setelahnya, Anda dapat menggunakan salah satu fungsi ini:

# 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)

Untuk menggunakan salah satu fungsi ini di myDummy$country:

 myDummy$country <- trim(myDummy$country)

Untuk 'menunjukkan' spasi putih yang dapat Anda gunakan:

 paste(myDummy$country)

yang akan menunjukkan string yang dikelilingi oleh tanda kutip (") membuat spasi putih lebih mudah dikenali.

Pada R 3.2.0, sebuah fungsi baru diperkenalkan untuk menghilangkan spasi putih depan / belakang:

trimws()

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

Untuk memanipulasi ruang putih, gunakan str_trim () dalam paket stringr. Paket ini memiliki manual bertanggal 15 Februari 2013 dan dalam CRAN. Fungsi ini juga dapat menangani vektor string.

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

(kredit jatuh ke komentator: R. Cotton)

Fungsi sederhana untuk menghapus spasi putih depan dan belakang:

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

Pemakaian:

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

ad1) Untuk melihat spasi putih Anda bisa langsung menelepon print.data.framedengan argumen yang dimodifikasi:

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"

Lihat juga ?print.data.frameuntuk opsi lain.

Gunakan grep atau grepl untuk menemukan pengamatan dengan spasi putih dan sub untuk menyingkirkannya.

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"  

Saya lebih suka menambahkan jawaban sebagai komentar untuk pengguna56 tetapi belum dapat menulis sebagai jawaban independen. Menghapus blanking leading dan trailing dapat dicapai melalui fungsi trim () dari paket gdata juga:

require(gdata)
example(trim)

Contoh penggunaan:

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

Masalah terkait lainnya terjadi jika Anda memiliki beberapa spasi di antara input:

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

Anda kemudian dapat dengan mudah membagi string ini menjadi token "nyata" menggunakan ekspresi reguler ke splitargumen:

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

Perhatikan bahwa jika ada kecocokan di awal string (tidak kosong), elemen pertama dari output adalah '""', tetapi jika ada kecocokan di akhir string, outputnya sama dengan dengan pertandingan dihapus.

Opsi lain adalah menggunakan stri_trimfungsi dari stringipaket yang defaultnya untuk menghapus spasi putih depan dan akhir:

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

Untuk hanya menghapus spasi putih terkemuka, gunakan stri_trim_left. Untuk hanya menghapus spasi spasi, gunakan stri_trim_right. Saat Anda ingin menghapus karakter utama atau karakter lainnya, Anda harus menentukannya dengan pattern =.

Lihat juga ?stri_trimuntuk info lebih lanjut.

Saya membuat trim.strings ()fungsi untuk memangkas spasi memimpin dan / atau mengikuti spasi sebagai:

# 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)
    } 
} 

Untuk ilustrasi,

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"   

Metode terbaik adalah trimws ()

Kode berikut akan menerapkan fungsi ini ke seluruh kerangka data

mydataframe <- data.frame (lapply (mydataframe, trimws), stringsAsFactors = FALSE)

Saya mencoba trim (). Berfungsi dengan baik dengan spasi putih dan juga '\ n'. x = '\ n Harden, J. \ n'

trim (x)

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

Setelah ini, Anda harus memaksa R untuk tidak mengenali "Austria" sebagai level. Anggap Anda juga memiliki level "AS" dan "Spanyol":

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

Sedikit kurang mengintimidasi daripada respons suara tertinggi, tetapi tetap harus bekerja.