R学习笔记（字符串和因子）

笔记内容基于《学习R》一书

字符串

创建和打印字符串

1. 字符向量可以使用c函数创建，并用单引号或双引号括起来。

2. paste
   将不同的字符串组合起来，默认使用空格分开，可通过参数sep更改分隔符，或者使用paste0去掉分隔符。collapse参数可以将结果收缩成一个字符串，并设置不同字符串之间的连接符号。
   对于不同长度的向量的拼接，paste会循环所有较短的向量，以满足最长向量
   

3. toString常用于打印向量，使用逗号和空格分隔每个元素，通过width参数限制打印次数。
   

4. cat拼接方式与paste不同
   

5. noquote函数可以去除字符的引号，使文本更具可读性。
   

格式化数字

1. formatC
   允许用户在R中使用C语言风格，输入应都是numeric类型，输出是character类型。
   常用参数：
   参数digits指定显示的数字的位数，width设定显示的字符宽度，宽度不足的在前补上空格。format可指定输出的形式，==format=“e”==表示以科学计数法输出结果。
   
2. sprintf和在其他语言中用法一样，第一个参数包括字符串或数字变量的占位符，其他参数逐个带入占位符。其中==%s、%f、%e、%d==分别代表字符串、浮点数、科学型浮点数、整数。
   对于不同长度的输入（针对每个输入而言），与paste一样，会循环所有较短的向量，以满足最长向量，但是输入的个数要与占位符的个数一致
   
3. format、prettyNum
   format与formatC用法相似，其中指定参数trim=TRUE可去除输出右侧多余的0，scientific=TRUE可指定以科学计数法输出结果。
   prettyNum常用语格式化非常大或者非常小的数。
   

特殊字符

制表符等符号的打印与其他语言一样，要加上反斜杠，并且使用cat打印，参数fill=TRUE使光标在一行结束时移动到下一行。

注意print函数打印时结果与cat不同。

大小写

toupper、tolower将字符串全部改写为大写或者小写。

截取字符串

substring、sunstr，使用方法相同（与其他语言不同），第一个参数为原始字符串，第二个参数为为开始截取的位置，第三个参数为截取的最后的位置。（注意R中字符串下标是从1开始）
两者的不同在于，substring会循环原始字符向量进行直到截取结束，substr不会循环，一旦遇到空字符串就会结束。

分割字符串

strsplit
第一个参数为被分割的字符串，第二个参数为分割依据，fixed=TRUE意味着split的参数是固定长度的字符串而不是正则表达式，当然也可以使用正则表达式进行特殊处理。strsplit返回的是一个列表。

因子

因子用于储存类别变量

创建

1. 使用文本创建数据框时，R将文本默认为类别数据并进行转化。levels可查询因子的水平，nlevels可查询因子水平的个数。
   
2. factor创建因子

更改因子水平

1. 使用factor 创建 因子时，可以使用levels参数更改创建时水平的先后顺序。或者在因子创建之后，再次使用factor及参数levels，此时它的参数是当前的因子而不是字符向量。
   不要使用levels函数直接更改因子，因为此时将重新为每一个水平打上新的标签，更改数据值。

2. relevel，输入因子以及想要的次序即可。
   

去掉因子值

数据清洗时常用到

unique函数可以查看现有的因子水平以及所使用的因子水平。若果想要删除没有使用的因子水平，可以使用droplevels函数，他接受因子和数据框作为参数。

下面两种方法等价。

有序因子

对于学生成绩有优良中差几个等级（水平），他们之间存在水平的差异，优比良好，等等，他们的这种关系即为因子的一种序关系的例子。
使用ordered函数或者给factor传入参数order=TRUE可实现此功能，且顺序就是定义时的顺序。

将连续变量转化为类别

cut将数值变量切成不同的块并返回一个因子。使用table函数可看到每组数据的和。

将类别转化为连续变量

即将因子转化为数值变量。
数据清洗时常用到。例如打错字时R会将错误数字解释为字符串，并将其转化为因子
因子在R中使用整数来储存因子，因此不能直接使用as.numeric进行转化。方法有两个：

1. 使用levels(<因子名>)[as.integer(<因子名>)]重构出因子，再调用as.numeric。此方法较常用。

2. 使用as.character将因子转化为字符向量，再使用as.numeric转化为数值。
   
   

生成因子水平

gl第一个因子为要生成的因子的水平数，第二个因子为每个水平要重复的次数，第三个因子（或者指定参数length）为输出的因子的长度，可用来设置交替值（每个因子重复次数为1，长度大于因子个数）。使用参数label给每个水平命名。

合并因子

interaction实现各变量之间的交叉合并