Comment découper les espaces blancs avant et arrière?

J'ai des problèmes avec les espaces blancs de début et de fin dans un data.frame. Par exemple, j'aime jeter un oeil à un spécifique rowdans une data.framebase sur une certaine condition:

> myDummy[myDummy$country == c("Austria"),c(1,2,3:7,19)] 

[1] codeHelper     country        dummyLI    dummyLMI       dummyUMI       
[6] dummyHInonOECD dummyHIOECD    dummyOECD      
<0 rows> (or 0-length row.names)

Je me demandais pourquoi je n'obtenais pas la production attendue car le pays que l'Autriche existait évidemment dans mon pays data.frame. Après avoir parcouru l'historique de mon code et essayé de comprendre ce qui n'allait pas, j'ai essayé:

> myDummy[myDummy$country == c("Austria "),c(1,2,3:7,19)]
   codeHelper  country dummyLI dummyLMI dummyUMI dummyHInonOECD dummyHIOECD
18        AUT Austria        0        0        0              0           1
   dummyOECD
18         1

Tout ce que j'ai changé dans la commande est un espace supplémentaire après l'Autriche.

D'autres problèmes gênants se posent évidemment. Par exemple, lorsque j'aime fusionner deux cadres en fonction de la colonne du pays. On data.frameutilise "Austria "alors que l'autre a "Austria". La correspondance ne fonctionne pas.

1. Existe-t-il un bon moyen de «montrer» l'espace sur mon écran afin que je sois conscient du problème?
2. Et puis-je supprimer les espaces blancs avant et arrière dans R?

Jusqu'à présent, j'avais l'habitude d'écrire un Perlscript simple qui supprime l'espace, mais ce serait bien si je pouvais le faire à l'intérieur de R.

La meilleure façon est probablement de gérer les espaces de fin lorsque vous lisez votre fichier de données. Si vous utilisez read.csvou read.tablevous pouvez définir le paramètre strip.white=TRUE.

Si vous souhaitez nettoyer les chaînes par la suite, vous pouvez utiliser l'une de ces fonctions:

# returns string w/o leading whitespace
trim.leading <- function (x)  sub("^\\s+", "", x)

# returns string w/o trailing whitespace
trim.trailing <- function (x) sub("\\s+$", "", x)

# returns string w/o leading or trailing whitespace
trim <- function (x) gsub("^\\s+|\\s+$", "", x)

Pour utiliser l'une de ces fonctions sur myDummy$country:

 myDummy$country <- trim(myDummy$country)

Pour «montrer» l'espace blanc que vous pouvez utiliser:

 paste(myDummy$country)

qui vous montrera les chaînes entourées de guillemets (") facilitant la repérage des espaces.

Depuis R 3.2.0, une nouvelle fonction a été introduite pour supprimer les espaces blancs avant / arrière:

trimws()

Voir: http://stat.ethz.ch/R-manual/R-patched/library/base/html/trimws.html

Pour manipuler l'espace blanc, utilisez str_trim () dans le package stringr. Le paquet a un manuel daté du 15 février 2013 et est en CRAN. La fonction peut également gérer des vecteurs de chaîne.

install.packages("stringr", dependencies=TRUE)
require(stringr)
example(str_trim)
d4$clean2<-str_trim(d4$V2)

(le mérite revient au commentateur: R. Cotton)

Une fonction simple pour supprimer les espaces blancs de début et de fin:

trim <- function( x ) {
  gsub("(^[[:space:]]+|[[:space:]]+$)", "", x)
}

Usage:

> text = "   foo bar  baz 3 "
> trim(text)
[1] "foo bar  baz 3"

ad1) Pour voir les espaces blancs, vous pouvez appeler directement print.data.frameavec des arguments modifiés:

print(head(iris), quote=TRUE)
#   Sepal.Length Sepal.Width Petal.Length Petal.Width  Species
# 1        "5.1"       "3.5"        "1.4"       "0.2" "setosa"
# 2        "4.9"       "3.0"        "1.4"       "0.2" "setosa"
# 3        "4.7"       "3.2"        "1.3"       "0.2" "setosa"
# 4        "4.6"       "3.1"        "1.5"       "0.2" "setosa"
# 5        "5.0"       "3.6"        "1.4"       "0.2" "setosa"
# 6        "5.4"       "3.9"        "1.7"       "0.4" "setosa"

Voir aussi ?print.data.framepour d'autres options.

Utilisez grep ou grepl pour trouver des observations avec des espaces blancs et sub pour vous en débarrasser.

names<-c("Ganga Din\t","Shyam Lal","Bulbul ")
grep("[[:space:]]+$",names)
[1] 1 3
grepl("[[:space:]]+$",names)
[1]  TRUE FALSE  TRUE
sub("[[:space:]]+$","",names)
[1] "Ganga Din" "Shyam Lal" "Bulbul"  

Je préfère ajouter la réponse en tant que commentaire à user56, mais je ne peux pas l'écrire comme une réponse indépendante. La suppression des blancs de début et de fin peut également être obtenue grâce à la fonction trim () du package gdata:

require(gdata)
example(trim)

Exemple d'utilisation:

> trim("   Remove leading and trailing blanks    ")
[1] "Remove leading and trailing blanks"

Un autre problème connexe se produit si vous avez plusieurs espaces entre les entrées:

> a <- "  a string         with lots   of starting, inter   mediate and trailing   whitespace     "

Vous pouvez ensuite facilement diviser cette chaîne en "vrais" jetons en utilisant une expression régulière à l' splitargument:

> strsplit(a, split=" +")
[[1]]
 [1] ""           "a"          "string"     "with"       "lots"      
 [6] "of"         "starting,"  "inter"      "mediate"    "and"       
[11] "trailing"   "whitespace"

Notez que s'il y a une correspondance au début d'une chaîne (non vide), le premier élément de la sortie est '""', mais s'il y a une correspondance à la fin de la chaîne, la sortie est la même que avec le match supprimé.

Une autre option consiste à utiliser la stri_trimfonction du stringipackage qui par défaut supprime les espaces de début et de fin:

> x <- c("  leading space","trailing space   ")
> stri_trim(x)
[1] "leading space"  "trailing space"

Pour supprimer uniquement les espaces blancs de début, utilisez stri_trim_left. Pour supprimer uniquement les espaces de fin, utilisez stri_trim_right. Lorsque vous souhaitez supprimer d'autres caractères de début ou de fin, vous devez spécifier cela avecpattern = .

Voir aussi ?stri_trimpour plus d'informations.

J'ai créé une trim.strings ()fonction pour couper les espaces de début et / ou de fin comme:

# Arguments:    x - character vector
#            side - side(s) on which to remove whitespace 
#                   default : "both"
#                   possible values: c("both", "leading", "trailing")

trim.strings <- function(x, side = "both") { 
    if (is.na(match(side, c("both", "leading", "trailing")))) { 
      side <- "both" 
      } 
    if (side == "leading") { 
      sub("^\\s+", "", x)
      } else {
        if (side == "trailing") {
          sub("\\s+$", "", x)
    } else gsub("^\\s+|\\s+$", "", x)
    } 
} 

Pour illustration,

a <- c("   ABC123 456    ", " ABC123DEF          ")

# returns string without leading and trailing whitespace
trim.strings(a)
# [1] "ABC123 456" "ABC123DEF" 

# returns string without leading whitespace
trim.strings(a, side = "leading")
# [1] "ABC123 456    "      "ABC123DEF          "

# returns string without trailing whitespace
trim.strings(a, side = "trailing")
# [1] "   ABC123 456" " ABC123DEF"   

La meilleure méthode est trimws ()

Le code suivant appliquera cette fonction à l'ensemble de la trame de données

mydataframe <- data.frame (lapply (mydataframe, trimws), stringsAsFactors = FALSE)

J'ai essayé le trim (). Fonctionne bien avec les espaces blancs ainsi que le '\ n'. x = '\ n Harden, J. \ n'

garniture (x)

myDummy[myDummy$country == "Austria "] <- "Austria"

Après cela, vous devrez forcer R à ne pas reconnaître "Autriche" comme niveau. Imaginons que vous ayez également "USA" et "Espagne" comme niveaux:

myDummy$country = factor(myDummy$country, levels=c("Austria", "USA", "Spain"))

Un peu moins intimidant que la réponse la plus élevée, mais cela devrait quand même fonctionner.