雅马哈r3（R 数据处理（五））

理解和使用AM和PM R数据处理(5)

前言

前面讲了readr的解析器，共有8个解析函数。

让 下面详细介绍每个解析函数的用法。

解析器

1. 数值

数值的分析看似相当简单，但实际上有几个问题需要解决

世界上不同地方的人用不同的方式写数字。例如，一些国家使用。区分实数的整数部分和小数部分，而其他国家使用。数字在不同的使用场景下用不同的字符包装，比如1000美元，通常有10%的数字包含分组字符，便于阅读。比如1，000，000为了解决之一个问题，readr提供了一个locale参数来指定不同地区的解析 。

解析数字时，最重要的选项是十进制字符。您可以设置一个新的语言环境，并指定decimal_mark参数的值来覆盖默认值。

parse _ double( ；1.23 )[1]1.23 parse _ double( ；1，1,23 locale=locale(decimal _ mark= ； )] [1] 1.23 parse _ number()用于解决第二个问题它忽略了数字前后的非数字字符，这对货币是有害的。

parse _ number( ；100美元 )[1]100 parse _ number( ；20%及以上。)[1]20 parse _ number( ；它价值123.45美元 )[1] 123.45结合parse _ number()和locale可以忽略一个问题。

# UsedinAmericaparse _ number( ；123456789美元 )[1]123456789 # usedinmanypartsofeoreparse _ number( ；123 . 456 . 789 ；Locale=Locale(grouping _ mark= ； ))[1]123456789 # usedinswitzerlandparse _ number( ；123 456 789 locale=locale(grouping _ mark= ； )) [1] 12345677.

，生活并没有那么简单，因为同一根弦有很多种表达方式。

为了理解解析是如何发生的，我们需要深入了解计算机是如何表示字符串的。在R中，我们可以使用charToRaw()来获得字符串的底层表示。

沙特劳( 哈雷 )[1] 4861646C6579每个十六进制数代表一个字节的信息，48代表H，61代表A等等。从十六进制数字到字符的映射称为编码，在这种情况下，编码称为ASCII。

ASCII在表示英语字符方面做得很好，因为它是美国信息交换的标准代码。

对于非英语国家的人来说，事情就有点复杂了。在计算机出现的早期，有许多相互竞争的非英语字符编码标准。要正确解释字符串，您需要知道值和编码。

例如，两种常见代码，Latin1(西欧语言的ISO-8859-1)和Latin2(东欧语言的ISO-8859-2)。在Latin1中，字节b1表示/-，但在Latin2中，它表示。

幸运的是，现在有一个几乎在任何地方都可以支持的标准UTF-8。UTF-8几乎可以编码今天人类使用的所有字符，以及许多额外的符号(如表情符号)。

Readr使用UTF-8，它假设您的数据在读取时是UTF-8编码的，并且在写入时总是使用。

如果你的系统没有。不支持UTF-8格式(你的电脑赢了 不要太老)，它可能看起来非常奇怪和混乱。

看一个例子

x1- ；厄尔尼诺现象

nbspparticularlynbspbadnbspthisnbspyear#34gtnbspx2nbsplt-nbsp#34?±???é???í#34gtnbspx1[1]nbsp#34ElnbspNi?onbspwasnbspparticularlynbspbadnbspthisnbspyear#34gtnbspx2[1]nbsp#34?±??????í#34

非英文字符并未被正确转译

使用 parse_character() 指定编码格式

parse_character(x1,nbsplocalenbsp=nbsplocale(encodingnbsp=nbsp#34Latin1#34))#gtnbsp[1]nbsp#34ElnbspNi?onbspwasnbspparticularlynbspbadnbspthisnbspyear#34parse_character(x2,nbsplocalenbsp=nbsplocale(encodingnbsp=nbsp#34Shift-JIS#34))#gtnbsp[1]nbsp#34こんにちは#34

那如果我们不知道字符串的编码方式，要如何解码出正确的字符呢？

如果幸运的话，它会在数据文档中的某个地方。不幸的是，这种情况很少发生， readr 提供了 guess_encoding() 来帮助您解决这个问题

它也并不是万无一失的，当你有大量的文本时效果会更好，但它是一个合理的起点。在找到合适的编码之前，可以尝试几种不同的编码。

gtnbspguess_encoding(charToRaw(x1))#nbspAnbsptibble:nbsp2nbspxnbsp2nbspnbspencodingnbspnbspnbspconfidencenbspnbspltchrgtnbspnbspnbspnbspnbspnbspnbspnbspnbspnbspnbspltdblgt1nbspISO-8859-1nbspnbspnbspnbspnbspnbspnbsp0.462nbspISO-8859-9nbspnbspnbspnbspnbspnbspnbsp0.23gtnbspguess_encoding(charToRaw(x2))#nbspAnbsptibble:nbsp1nbspxnbsp2nbspnbspencodingnbspconfidencenbspnbspltchrgtnbspnbspnbspnbspnbspnbspnbspnbspnbspltdblgt1nbspKOI8-Rnbspnbspnbspnbspnbspnbspnbspnbspnbsp0.42

guess_encoding() 的之一个参数可以是文件的路径，也可以是字符串的原始向量

3. 因子

R 使用因子来表示一组所有可能值已知的分类变量。

通过向 parse_factor() 的 levels 参数传入一个已知的向量作为分类向量，当出现意外的值时会生成警告信息

gtnbspfruitnbsplt-nbspc(#34apple#34,nbsp#34banana#34)gtnbspparse_factor(c(#34apple#34,nbsp#34banana#34,nbsp#34bananana#34),nbsplevelsnbsp=nbspfruit)Warning:nbsp1nbspparsingnbspfailure.rownbspcolnbspnbspnbspnbspnbspnbspnbspnbspnbspnbspnbspexpectednbspnbspnbspactualnbspnbsp3nbspnbsp--nbspvaluenbspinnbsplevelnbspsetnbspbananana[1]nbspapplenbspnbspbanananbspltNAgtnbspnbspattr(,#34problems#34)#nbspAnbsptibble:nbsp1nbspxnbsp4nbspnbspnbspnbsprownbspnbspnbspcolnbspexpectednbspnbspnbspnbspnbspnbspnbspnbspnbspnbspnbspactualnbspnbspnbspnbspltintgtnbspltintgtnbspltchrgtnbspnbspnbspnbspnbspnbspnbspnbspnbspnbspnbspnbspnbspnbspltchrgtnbspnbspnbsp1nbspnbspnbspnbspnbsp3nbspnbspnbspnbspNAnbspvaluenbspinnbsplevelnbspsetnbspbanananaLevels:nbspapplenbspbanana

4. 时间和日期

你可以根据需要从三个解析器中选择相应的解析器

parse_datetime(): ISO8601 格式的日期和时间，ISO8601 是一个国际标准，其中日期的组成部分按从大到小的顺序排列:年、月、日、时、分、秒

[1]nbsp#342010-10-01nbsp20:10:00nbspUTC#34gtnbspparse_datetime(#3420101010#34)[1]nbsp#342010-10-10nbspUTC#34parse_date(): 接受 4 位数的年份 yyyy-mm-dd 或 yyyy/mm/dd

gtnbspparse_date(#342010-10-01#34)[1]nbsp#342010-10-01#34parse_time(): 接受格式 hh:mm(:ss am/pm)

gtnbspparse_time(#3401:10nbspam#34)01:10:00gtnbspparse_time(#3420:10:01#34)20:10:01

如果这些默认值不适用于您的数据，您可以提供自己的日期时间格式，由以下几部分组成

Year

%Y : 4 位数字%y : 2 位数字 00-69 -gt 2000-2069, 70-99 -gt 1970-1999

Month

%m : 2 位数字%b : 简写, 如 Jan%B : 全称, 如 January

Day

%d : 2 位数字%e : 可选的前导空格

Time

%H : 0-23 小时%I : 0-12 小时, 必须包含 %p%p : AM/PM%M : 分钟%S : 整数秒数%OS: 实数秒数%Z : 时区%z : 相对于 UTC 的偏移, 如 +0800

Non-digits

%. : 跳过一个非数字字符% : 跳过任意个非数字字符

示例

gtnbspparse_date(#3401/02/15#34,nbsp#34%m/%d/%y#34)[1]nbsp#342015-01-02#34gtnbspparse_date(#3401/02/15#34,nbsp#34%d/%m/%y#34)[1]nbsp#342015-02-01#34gtnbspparse_date(#3401/02/15#34,nbsp#34%y/%m/%d#34)[1]nbsp#342001-02-15#34

如果 %B 或 %b 使用的是非英语的月份名，你需要用 locale() 设置语言。

详情参见 date_names_langs() 中的内置语言列表，或者如果没有包含你的语言，可以用 date_names() 创建你自己的语言

gtnbspparse_date(#341nbspjanviernbsp2015#34,nbsp#34%dnbsp%Bnbsp%Y#34,nbsplocalenbsp=nbsplocale(#34fr#34))[1]nbsp#342015-01-01#34

，是上节的思考练习。是一位读者写的，我发出来给大家参考参考

(￣▽￣)~

http://note.youdao.com/s/Ls1QE1oN

r语言处理空间数据 r语言进行空间数据处理