All'interno di un dataframe, una variabile testuale — in quanto vettore — può essere gestita come le altre:
library(tidyverse)
starwars %>% rename("nome" = name) %>% head()
# A tibble: 6 x 14 nome height mass hair_color skin_color eye_color birth_year sex gender <chr> <int> <dbl> <chr> <chr> <chr> <dbl> <chr> <chr> 1 Luke Sk~ 172 77 blond fair blue 19 male mascu~ 2 C-3PO 167 75 NA gold yellow 112 none mascu~ 3 R2-D2 96 32 NA white, bl~ red 33 none mascu~ 4 Darth V~ 202 136 none white yellow 41.9 male mascu~ 5 Leia Or~ 150 49 brown light brown 19 fema~ femin~ 6 Owen La~ 178 120 brown, grey light blue 52 male mascu~ # ... with 5 more variables: homeworld <chr>, species <chr>, films <list>, # vehicles <list>, starships <list>
Un po' più complicato invece è trasformare i valori.
tolower() | tutti caratteri minuscoli |
toupper() | TUTTI CARATTERI MAIUSCOLI |
paste(), paste0() | incollare, unire stringhe |
strsplit() | dividere stringhe |
str_to_lower() | tutti caratteri minuscoli |
str_to_upper() | TUTTI CARATTERI MAIUSCOLI |
str_to_title() | Tutte Le Iniziali Maiuscole |
str_to_sentence() | La prima parola di ogni frase in maiuscolo |
str_trim() | elimina gli spazi all'inizio e/o alla fine |
str_squish() | elimina gli spazi all'inizio, alla fine, e quelli ripetuti in mezzo |
str_pad() | aggiunge spazi o altri caratteri a destra e/o a sinistra |
str_split() | dividere stringhe |
Il pacchetto stringr, è caricato con library(tidyverse).
A meno che non venga diversamente specificato nel seguito, tutte queste funzioni sono applicabili ad una variabile nei modi noti.
Comando base:
dataset$variabile <- tolower(dataset$variabile)
Con mutate():
mutate(starwars, name = tolower(name))
o
starwars %>% mutate(name = tolower(name))
# A tibble: 87 x 14 name height mass hair_color skin_color eye_color birth_year sex gender <chr> <int> <dbl> <chr> <chr> <chr> <dbl> <chr> <chr> 1 luke skyw~ 172 77 blond fair blue 19 male mascul~ 2 c-3po 167 75 NA gold yellow 112 none mascul~ 3 r2-d2 96 32 NA white, bl~ red 33 none mascul~ 4 darth vad~ 202 136 none white yellow 41.9 male mascul~ 5 leia orga~ 150 49 brown light brown 19 fema~ femini~ 6 owen lars 178 120 brown, grey light blue 52 male mascul~ 7 beru whit~ 165 75 brown light blue 47 fema~ femini~ 8 r5-d4 97 32 NA white, red red NA none mascul~ 9 biggs dar~ 183 84 black light brown 24 male mascul~ 10 obi-wan k~ 182 77 auburn, wh~ fair blue-gray 57 male mascul~ # ... with 77 more rows, and 5 more variables: homeworld <chr>, species <chr>, # films <list>, vehicles <list>, starships <list>
senza dimenticare, eventualmente, di salvare il risultato:
# non eseguire starwars <- starwars %>% mutate(name = tolower(name))
frase <- "Sempre caro mi fu quest\'ermo colle, e questa siepe, che da tanta parte dell\'ultimo orizzonte il guardo esclude."
Stringa tutta in minuscolo
tolower(frase)
oppure
# stringr str_to_lower(frase)
[1] "sempre caro mi fu quest'ermo colle,\ne questa siepe, che da tanta parte\ndell' ultimo orizzonte il guardo esclude."
Stringa tutta in maiuscolo
toupper(frase)
oppure
# stringr str_to_upper(frase)
[1] "SEMPRE CARO MI FU QUEST'ERMO COLLE,\nE QUESTA SIEPE, CHE DA TANTA PARTE\nDELL' ULTIMO ORIZZONTE IL GUARDO ESCLUDE."
Iniziali tutte in maiuscolo (title)
str_to_title("ricerca SOCIALE con R")
[1] "Ricerca Sociale Con R"
Prima parola con iniziale in maiuscolo (sentence)
str_to_sentence("ricerca SOCIALE con R")
[1] "Ricerca sociale con r"
# stringr: inizio e fine str_trim(" Mela rossa ")
[1] "Mela rossa"
# stringr: inizio, fine, e in mezzo str_squish(" Mela rossa ")
[1] "Mela rossa"
# stringr str_pad("Mela", 10, side = "both", pad = "-")
[1] "---Mela---"
Per unire i valori (le stringhe) di due o più variabili di testo, vedi unite, separate (tidyr)
Queste funzioni sono utili per rinominare le variabili, o per gestire elementi di testo quali le etichette o i titoli dei grafici (come nell'esempio riportato in Grafici a torta).
paste("Mela", "Rossa")
[1] "Mela Rossa"
Possiamo scegliere il carattere che unisce le stringhe con sep =:
paste("Mela", "Rossa", sep = "_")
[1] "Mela_Rossa"
paste0(x) equivale a paste(x, sep = "")
paste0("Mela", "Rossa")
[1] "MelaRossa"
ed equivale alla funzione str_c() di stringr:
str_c("Mela", "Rossa")
[1] "MelaRossa"
Questa funzione è comoda quando vogliamo usare diversi elementi di separazione fra le stringhe:
# le stringhe sono separate da spazi paste(starwars$name[1:5], starwars$eye_color[1:5], "eyes")
[1] "Luke Skywalker blue eyes" "C-3PO yellow eyes" [3] "R2-D2 red eyes" "Darth Vader yellow eyes" [5] "Leia Organa brown eyes"
# le stringhe non sono separate paste0(starwars$name[1:5], ": ", starwars$eye_color[1:5], " eyes")
[1] "Luke Skywalker: blue eyes" "C-3PO: yellow eyes" [3] "R2-D2: red eyes" "Darth Vader: yellow eyes" [5] "Leia Organa: brown eyes"
Con l'argomento collapse, infine, possiamo ridurre questo vettore di lunghezza 5 a un vettore di lunghezza 1 (un'unica stringa di testo, ad esempio per creare un titolo):
paste0(starwars$name[1:5], ": ", starwars$eye_color[1:5], " eyes", collapse = "; ")
o anche
str_c(starwars$name[1:5], ": ", starwars$eye_color[1:5], " eyes", collapse = "; ")
[1] "Luke Skywalker: blue eyes; C-3PO: yellow eyes; R2-D2: red eyes; Darth Vader: yellow eyes; Leia Organa: brown eyes"
Per dividere i valori (le stringhe) di variabili di testo in due o più altre variabili, vedi unite, separate (tidyr)
Queste funzioni consentono di usare espressioni regolari (regexp).
strsplit("text mining", split = " ")
# stringr str_split("text mining", pattern = " ")
In entrambi i casi, il risultato è una lista:
# il risultato è una lista [[1]] [1] "text" "mining"
Ciò si rivela utile quando si applichino tali funzioni a un vettore carattere composto di più elementi:
strsplit(starwars$name[1:5], split = " ")
[[1]] [1] "Luke" "Skywalker" [[2]] [1] "C-3PO" [[3]] [1] "R2-D2" [[4]] [1] "Darth" "Vader" [[5]] [1] "Leia" "Organa"
E' possibile scaricare ed eseguire lo script dell'esempio: