Cum să căutați mai multe cuvinte în R-dummies

Când lucrați cu text în R, poate fi necesar să găsiți cuvinte sau modele în interiorul textului. Imaginați-vă că aveți o listă cu statele din Statele Unite și doriți să aflați care dintre numele de stare constau din două cuvinte.

Pentru a găsi substring-uri, 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.

Deci, cum găsiți numele tuturor statelor cu mai mult de un cuvânt? Acest lucru este ușor atunci când vă dați seama că puteți încadra întrebarea găsind toate acele stări care conțin un spațiu: >> stare. [1] "New Hampshire" "New Jersey" [3] "New Mexico" "New York" [5] "Carolina de Nord" "North Dakota" [7] Islanda "" Carolina de Sud "[9]" Dakota de Sud "" Virginia de Vest "

Rezultatele includ toate statele care au nume de două cuvinte, cum ar fi New Jersey, New York, Carolina de Nord, Dakota de Sud și Virginia de Vest.

Puteți vedea din această listă că nu există nume de stat care să conțină

Est. Puteți confirma acest lucru făcând o altă căutare: starea >>. (0) Atunci când rezultatul unei operații de caractere este un vector gol (adică nu există nimic în el), R o reprezintă ca caracter (0). În mod similar, un vector numeric gol sau cu lungime zero este reprezentat cu întreg (0) sau numeric (0).

R face o distincție între NULL și un vector gol. NULL înseamnă că ceva este nedefinit. Acest lucru este subtil diferit de ceva care este gol. De exemplu, un vector de caractere care se întâmplă să nu aibă elemente este încă un vector de caractere, reprezentat de caracter (0).