左右用R右手Python9——字符串合并与拆分

杜雨，EasyCharts团队成员，R语言中文社区专栏作者，兴趣方向为：Excel商务图表，R语言数据可视化，地理信息数据可视化。个人公众号：数据小魔方（微信ID：datamofang） ，“数据小魔方”创始人。

在文本处理和数据清洗阶段，对字符串或者字符型变量进行分割、提取或者合并虽然谈不上什么高频需求，但是往往也对很重要的。

接下来跟大家大致盘点一下在R语言与Pyhton中，常用的字符串分割与合并的函数。

R语言：

字符串向量：

针对向量：

strsplit   #针对字符串向量（拆分）
str_split  #针对字符串向量（拆分）stringr包内函数
paste      #针对向量合并

针对数据框：

unite      #合并数据框中的某几列
separate   #将数据框中某一列按照某种模式拆分成几列

R语言：

library(dplyr)
library(stringr)
library(tidyr)

myyear<-sprintf("20%02d",sample(0:17,10)) mymonth<-sprintf("%02d",sample(0:12,10)) myday<-sprintf("%02d",sample(0:31,10)) myyear;mymonth;myday [1] "2000" "2010" "2002" "2012" "2015" "2006" "2001" "2017" "2005" "2013"
[1] "10" "03" "01" "09" "04" "02" "05" "07" "00" "12"
[1] "18" "15" "28" "00" "11" "20" "31" "19" "04" "12"

首先使用paste函数进行合并：

full<-paste(myyear,mymonth,myday,sep = "-");full  #在向量等长的情况下，可以实现配对合并：
[1] "2000" "2010" "2002" "2012" "2015" "2006" "2001" "2017" "2005" "2013"

使用strsplit函数进行拆分：

myyear1=mymonth1=myday1=NULL for( i in 1:length(full)){ myyear1[i]<-strsplit(full[i],"-")[[1]][1] mymonth1[i]<-strsplit(full[i],"-")[[1]][2] myday1[i]<-strsplit(full[i],"-")[[1]][3] } myyear1;mymonth1;myday1 [1] "2000" "2010" "2002" "2012" "2015" "2006" "2001" "2017" "2005" "2013" [1] "10" "03" "01" "09" "04" "02" "05" "07" "00" "12" [1] "18" "15" "28" "00" "11" "20" "31" "19" "04" "12"

str_split函数与strsplit函数用法类似：

myyear1=mymonth1=myday1=NULL
for( i in 1:length(full)){ myyear1[i]<-str_split(full[i],"-")[[1]][1] mymonth1[i]<-str_split(full[i],"-")[[1]][2] myday1[i]<-str_split(full[i],"-")[[1]][3] } myyear1;mymonth1;myday1 > myyear1;mymonth1;myday1 [1] "2000" "2010" "2002" "2012" "2015" "2006" "2001" "2017" "2005" "2013"
[1] "10" "03" "01" "09" "04" "02" "05" "07" "00" "12"
[1] "18" "15" "28" "00" "11" "20" "31" "19" "04" "12"

接下来解释在如何直接针对数据框进行合并与分列的操作：

mydata<-data.frame(myyear,mymonth,myday);mydata
   myyear mymonth myday
1    2000      10    18
2    2010      03    15
3    2002      01    28
4    2012      09    00
5    2015      04    11
6    2006      02    20
7    2001      05    31
8    2017      07    19
9    2005      00    04
10   2013      12    12

unite   (data,col, ..., sep = "-", remove = TRUE) separate(data,col, into,sep="-",   remove = TRUE)

unite和separate函数是配对函数，内部的参数严格白痴对称，第一个参数数要操作的数据框名称，第二个参数是合并后的新列名（或者待拆分的列名），第三部分是待合并的列名向量（拆分后的新增列名），sep是拆分（合并）依据，remove则控制输出的数据框是否包含原始向量（针对合并前的待合并变量和拆分前的待拆分变量）。

mydata1<-unite(mydata,col="datetime",c("myyear","mymonth","myday"),sep="-",remove=FALSE);mydata1
    datetime myyear mymonth myday
1  2000-10-18   2000      10    18
2  2010-03-15   2010      03    15
3  2002-01-28   2002      01    28
4  2012-09-00   2012      09    00
5  2015-04-11   2015      04    11
6  2006-02-20   2006      02    20
7  2001-05-31   2001      05    31
8  2017-07-19   2017      07    19
9  2005-00-04   2005      00    04
10 2013-12-12   2013      12    12

mydata2<-unite(mydata1,col="datetime1",c("myyear","mymonth","myday"),sep="-",remove=FALSE);mydata2
      datetime  datetime1 myyear mymonth myday
1  2000-10-18 2000-10-18   2000      10    18
2  2010-03-15 2010-03-15   2010      03    15
3  2002-01-28 2002-01-28   2002      01    28
4  2012-09-00 2012-09-00   2012      09    00
5  2015-04-11 2015-04-11   2015      04    11
6  2006-02-20 2006-02-20   2006      02    20
7  2001-05-31 2001-05-31   2001      05    31
8  2017-07-19 2017-07-19   2017      07    19
9  2005-00-04 2005-00-04   2005      00    04
10 2013-12-12 2013-12-12   2013      12    12

Python字符串合并与分列：

因为对Python的字符串操作掌握有限，再加上Python字符串操作及其灵活，各种推导式和匿名函数可以很方便的完成，这里仅给出自己常用的做法作为实例，未包含所有方法：

字符串合并：

字符串链接符：”+”
字符串合并函数：join

字符串拆分：split

import randomimport pandas as pdmyyear=random.sample(list(range(2000,2017)),10);myyear mymonth=['%02d' % i for i in random.sample(list(range(1,12)),10)];mymonth myday=['%02d' % i for i in random.sample(list(range(1,31)),10)];myday [2006, 2000, 2007, 2001, 2015, 2016, 2002, 2012, 2010, 2004] ['04', '11', '06', '10', '07', '08', '05', '02', '03', '01'] ['13', '28', '21', '06', '08', '03', '17', '16', '04', '20']

字符串合并：

mydate=[str(i)+"-"+j+"-"+k for i,j,k in zip(myyear,mymonth,myday)] ['2011-04-25', '2008-11-30', '2003-06-02', '2007-10-22', '2009-07-13', '2005-08-27', '2014-05-28', '2012-02-10', '2016-03-14', '2015-01-21'] mydate=["-".join([str(i),j,k]) for i,j,k in zip(myyear,mymonth,myday)] ['2011-04-25', '2008-11-30', '2003-06-02', '2007-10-22', '2009-07-13', '2005-08-27', '2014-05-28', '2012-02-10', '2016-03-14', '2015-01-21']

字符串拆分：

方法一（列表推导式）：

myyear1=[i.split("-")[0] for i in mydate];myyear1 mymonth1=[i.split("-")[1] for i in mydate];mymonth1 myday1=[i.split("-")[2] for i in mydate];myday1 ['2011', '2008', '2003', '2007', '2009', '2005', '2014', '2012', '2016', '2015'] ['04', '11', '06', '10', '07', '08', '05', '02', '03', '01'] ['25', '30', '02', '22', '13', '27', '28', '10', '14', '21']

方法二(使用字典)：

mydata=pd.DataFrame({"date":mydate})
mydata["date"].str.split("-",expand=True)
    0    1    2
0    2011    04    25
1    2008    11    30
2    2003    06    02
3    2007    10    22
4    2009    07    13
5    2005    08    27
6    2014    05    28
7    2012    02    10
8    2016    03    14
9    2015    01    21

myyear2=mydata["date"].str.split("-",expand=True)[0];print(myyear2) mymonth2=mydata["date"].str.split("-",expand=True)[1];print(mymonth2) myday2=mydata["date"].str.split("-",expand=True)[2];print(myday2)0    20111    20082    20033    20074    20095    20056    20147    20128    20169    2015Name: 0, dtype: object0    041    112    063    104    075    086    057    028    039    01Name: 1, dtype: object0    251    302    023    224    135    276    287    108    149    21Name: 2, dtype: object

本文小结——字符串拆分与合并：

R语言：

拆分：

strsplit
str_split

合并：
paste
tidyr::unite
tidyr::separate

Python：

拆分：
.split

合并：
“+”
join

R语言（ggplot2入门）可视化在商务场景中的应用，已经有200+小伙伴加入了！

感兴趣的可点击阅读原文报名参加哦，满满的干货！