Cum să căutați cuvinte individuale în R-dummies

Când lucrați cu text, de multe ori puteți rezolva probleme dacă puteți găsi cuvinte sau modele în interiorul textului. R face acest lucru ușor de făcut. Imaginați-vă că aveți o listă a statelor din Statele Unite și doriți să aflați care dintre aceste stări conține cuvântul Nou.

Pentru a investiga această problemă, puteți utiliza stările setului de date încorporate. nume care conține - ați ghicit-o - numele statelor din Statele Unite:

>> capul (nume de stat) [1] "Alabama" "Alaska" "Arizona" [4] "Arkansas" în text în două moduri:

De poziție:

De exemplu, puteți spune R pentru a obține trei litere începând de la poziția 5.

• Prin model: De exemplu, puteți spune R pentru a obține substring care se potrivesc cu un anumit cuvânt sau model.

• Un model este un pic ca un wildcard. În unele jocuri de cărți, puteți utiliza cardul Joker pentru a reprezenta orice altă carte. În mod similar, un model în R poate conține cuvinte sau anumite simboluri cu semnificații speciale.

  Căutați după poziție în R

  Dacă cunoașteți poziția exactă a unui subtext în interiorul unui element de text, utilizați funcția substr () pentru a returna valoarea. Pentru a extrage subtextul care pornește de la a treia poziție și se oprește la a șasea poziție a statului. nume, utilizați următoarele:

cap (substr (numele de stare, start = 3, stop = 6)) [1] > Căutați după model în R

Pentru a găsi subrețele, puteți folosi funcția grep (), care are două argumente esențiale:

model

:

Modelul pe care doriți să-l găsiți.

• x : Vectorul de caractere pe care doriți să îl căutați.

• Să presupunem că doriți să găsiți toate stările care conțin modelul Nou. grep ("New", nume de stare) [1] 29 30 31 32 Rezultatul grep () este un vector numeric cu pozițiile fiecăruia dintre elementele care conțin potrivirea modelului. Cu alte cuvinte, al 29-lea element al statului. numele conține cuvântul

Nou. >> stare. nume [29] New Hampshire

Phew, care a lucrat! Dar tastând în poziția fiecărui text de potrivire va fi o mulțime de muncă. Din fericire, puteți utiliza rezultatele grep () direct pentru a submăsa vectorul original: >>. [New] "New York"

Funcția grep () face diferența între majuscule și majuscule - se potrivește doar cu numele [grep ("New" text în același caz (majuscule sau minuscule) ca model de căutare. Dacă căutați modelul "nou" în litere mici, rezultatele căutării sunt goale: >>. nume [grep ("new", state.nume)] (0)