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
为什么学习数据分析? 当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运 ...
2026-07-24【核心关键词】客户、数据分析、指标体系、数据采集、数据指标、业务数据、分析思路、业务需求、分析方法 【专访摘要】本次 CDA ...
2026-07-24在数据分析、业务建模与数字化运营体系中,原始业务数据普遍存在缺失、重复、异常、口径不一致等质量问题,直接用于分析与建模会 ...
2026-07-24 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-07-24在数据驱动的精细化运营体系中,指标是业务判断、效果复盘、策略优化的核心依据。随着企业数据化程度提升,指标数量持续膨胀,但 ...
2026-07-23在用户运营与产品增长体系中,留存是衡量产品真实价值与用户粘性的核心标尺,也是决定用户生命周期价值、获客投产比的底层因素。 ...
2026-07-23 很多数据分析师精通Excel、SQL、Python等工具,但当被问到“面对一个具体的业务问题,该用什么分析方法”“描述性分析和诊断 ...
2026-07-23【核心关键词】埋点、产品、互联网、数据库、决策、数据分析、产品经理、商业模式、移动互联网、指标体系、运营模块、大数据平 ...
2026-07-22在高并发、大数据量的业务系统中,单表数据量达到千万级甚至亿级后,会出现查询性能骤降、索引维护成本飙升、存储扩容困难等问题 ...
2026-07-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-07-22在金融风控、企业运营、行业研究等数据分析场景中,大量数据以面板数据形态存在:例如多家分支机构连续多个季度的风险指标、多位 ...
2026-07-21 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-07-21一、活动介绍 2026暑期CDA备考冲刺季,为想利用假期拿证的你量身打造。考点胶囊内容搭配多重硬核福利,让你在旅行、实习、居家 ...
2026-07-21金融行业的运营风险贯穿业务全流程,涵盖交易欺诈、操作违规、流程漏洞、合规偏差、客户信用异常等多元场景,是银行、保险、证券 ...
2026-07-17财产保险作为金融行业的核心板块,涵盖车险、家财险、责任险、企财险等多元品类,是个人与企业抵御财产风险、经营风险的重要保障 ...
2026-07-17 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-07-17【核心关键词】模块、餐饮、客户、门店、企业、订单、供应链、多样化、产品、生产计划、数据分析、生产管理、物料管理、业务分 ...
2026-07-16在数字化分析时代,原始数据本身不具备业务价值,只有通过科学的统计学方法加工、拆解、验证与解读,才能挖掘数据背后的规律、差 ...
2026-07-16 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-07-16在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15