原标题:左右用R右手Python9——字符串合并与拆分
杜雨,EasyCharts团队成员,R语言中文社区专栏作者,兴趣方向为:Excel商务图表,R语言数据可视化,地理信息数据可视化。个人公众号:数据小魔方(微信ID:datamofang) ,“数据小魔方”创始人。
在文本处理和数据清洗阶段,对字符串或者字符型变量进行分割、提取或者合并虽然谈不上什么高频需求,但是往往也对很重要的。
接下来跟大家大致盘点一下在R语言与Pyhton中,常用的字符串分割与合并的函数。
R语言:
字符串向量:
针对向量:
strsplit #针对字符串向量(拆分)
str_split #针对字符串向量(拆分)stringr包内函数
paste #针对向量合并
针对数据框:
unite #合并数据框中的某几列
separate #将数据框中某一列按照某种模式拆分成几列R语言:library(dplyr)
library(stringr)
library(tidyr) myyear
[ 1] "10""03""01""09""04""02""05""07""00""12"
[ 1] "18""15""28""00""11""20""31""19""04""12"
首先使用paste函数进行合并:
full
[1]"2000""2010""2002""2012""2015""2006""2001""2017""2005""2013"
使用strsplit函数进行拆分:
myyear1=mymonth1=myday1=NULLfor( i in 1:length(full)){myyear1[i]
str_split函数与strsplit函数用法类似:
myyear1=mymonth1=myday1= NULL
for( i in1:length(full)){myyear1[i] myyear1;mymonth1;myday1[ 1] "2000""2010""2002""2012""2015""2006""2001""2017""2005""2013"
[ 1] "10""03""01""09""04""02""05""07""00""12"
[ 1] "18""15""28""00""11""20""31""19""04""12"
接下来解释在如何直接针对数据框进行合并与分列的操作:
mydata
120001018
220100315
320020128
420120900
520150411
620060220
720010531
820170719
920050004
1020131212unite (data,col, ..., sep = "-", remove = TRUE)separate(data,col, into,sep= "-", remove = TRUE)
unite和separate函数是配对函数,内部的参数严格白痴对称,第一个参数数要操作的数据框名称,第二个参数是合并后的新列名(或者待拆分的列名),第三部分是待合并的列名向量(拆分后的新增列名),sep是拆分(合并)依据,remove则控制输出的数据框是否包含原始向量(针对合并前的待合并变量和拆分前的待拆分变量)。
mydata1
datetime myyear mymonth myday
12000- 10- 1820001018
22010- 03- 1520100315
32002- 01- 2820020128
42012- 09- 0020120900
52015- 04- 1120150411
62006- 02- 2020060220
72001- 05- 3120010531
82017- 07- 1920170719
92005- 00- 0420050004
102013- 12- 1220131212mydata2
12000- 10- 182000- 10- 1820001018
22010- 03- 152010- 03- 1520100315
32002- 01- 282002- 01- 2820020128
42012- 09- 002012- 09- 0020120900
52015- 04- 112015- 04- 1120150411
62006- 02- 202006- 02- 2020060220
72001- 05- 312001- 05- 3120010531
82017- 07- 192017- 07- 1920170719
92005- 00- 042005- 00- 0420050004
102013- 12- 122013- 12- 1220131212
Python字符串合并与分列:
因为对Python的字符串操作掌握有限,再加上Python字符串操作及其灵活,各种推导式和匿名函数可以很方便的完成,这里仅给出自己常用的做法作为实例,未包含所有方法:
字符串合并:
字符串链接符:”+”
字符串合并函数:join
字符串拆分:split
importrandom importpandas aspd myyear=random.sample(list(range( 2000, 2017)), 10);myyearmymonth=[ '%02d'% i fori inrandom.sample(list(range( 1, 12)), 10)];mymonthmyday=[ '%02d'% i fori inrandom.sample(list(range( 1, 31)), 10)];myday[ 2006, 2000, 2007, 2001, 2015, 2016, 2002, 2012, 2010, 2004][ '04', '11', '06', '10', '07', '08', '05', '02', '03', '01'][ '13', '28', '21', '06', '08', '03', '17', '16', '04', '20']
字符串合并:
mydate=[str(i)+ "-"+j+ "-"+k fori,j,k inzip(myyear,mymonth,myday)][ '2011-04-25', '2008-11-30', '2003-06-02', '2007-10-22', '2009-07-13', '2005-08-27', '2014-05-28', '2012-02-10', '2016-03-14', '2015-01-21']mydate=[ "-".join([str(i),j,k]) fori,j,k inzip(myyear,mymonth,myday)][ '2011-04-25', '2008-11-30', '2003-06-02', '2007-10-22', '2009-07-13', '2005-08-27', '2014-05-28', '2012-02-10', '2016-03-14', '2015-01-21']
字符串拆分:
方法一(列表推导式):
myyear1=[i.split( "-")[ 0] fori inmydate];myyear1mymonth1=[i.split( "-")[ 1] fori inmydate];mymonth1myday1=[i.split( "-")[ 2] fori inmydate];myday1[ '2011', '2008', '2003', '2007', '2009', '2005', '2014', '2012', '2016', '2015'][ '04', '11', '06', '10', '07', '08', '05', '02', '03', '01'][ '25', '30', '02', '22', '13', '27', '28', '10', '14', '21']
方法二(使用字典):
mydata=pd.DataFrame({ "date":mydate})mydata[ "date"].str.split( "-",expand= True)
012
020110425
120081130
220030602
320071022
420090713
520050827
620140528
720120210
820160314
920150121myyear2=mydata[ "date"].str.split( "-",expand= True)[ 0];print(myyear2)mymonth2=mydata[ "date"].str.split( "-",expand= True)[ 1];print(mymonth2)myday2=mydata[ "date"].str.split( "-",expand= True)[ 2];print(myday2) 02011120082200332007420095200562014720128201692015Name: 0, dtype: object 004111206310407508605702803901Name: 1, dtype: object 025130202322413527628710814921Name: 2, dtype: object
本文小结——字符串拆分与合并:
R语言:
拆分:
strsplit
str_split
合并:
paste
tidyr::unite
tidyr::separate
Python:
拆分:
.split
合并:
“+”
join
R语言(ggplot2入门)可视化在商务场景中的应用,已经有200+小伙伴加入了!
责任编辑: