《R语言数据挖掘：实用项目解析》——1.12　字符串操作

1.12　字符串操作

字符串操作或字符操作是所有数据管理系统中的一个重要方面。比如在一个典型的实际数据集里，客户的名字会有多种写法，如J H Smith、John h Smith、John h smith等。据验证，这三个名字表示的是同一个人。在典型的数据管理里，标准化数据集中的文本列或变量很重要，由于R语言是区分大小写的，任何差异都会被当作一个新的数据点。还有很多其他变量，比如一辆汽车的名字／模型、产品描述等。我们来看看如何应用一些函数来标准化文本：

以上代码中的X对象是一个字符串或字符型对象。substr命令用于从字符串中根据函数指定的位置取出子字符串。如果某模式或文本需要修改或更改，可以使用sub命令。有4个重要的参数需要用户传递：需要模式搜索的字符串、模式、需要被替代待修改的模式以及是否区分大小写。我们来看一个样例脚本：

strsplit函数有助于将字符串中的字母扩展开来。sub命令用于修改字符串中不正确的模式。ignore.Case选项可供用户在对字符串进行模式搜索时开启或关闭大小写区分。