Функція substring() у R – що потрібно знати

Автор

Усі секрети функції substring() у мові R

Функція substring() в R є не просто корисним, а й
надзвичайно важливим інструментом для роботи з текстовими даними. Вона
дозволяє виокремлювати фрагменти тексту на основі вказаних меж або
шаблонів. Це робить її незамінною для задач, як-от: підготовка даних,
видобування потрібної інформації чи зміна формату виведених даних. У цій
статті ми докладно проаналізуємо функцію substring(), її
структуру, параметри та наведемо конкретні приклади, щоб ви могли ефективно
застосовувати її у своєму коді на R.

Основи синтаксису substring()

Загальна структура функції substring() у мові R виглядає так: 

substring(x, start, end)

де:

  • x – текстовий рядок, з якого буде вилучено фрагмент.
  • start – початкова позиція виділюваного фрагмента у
    рядку x.
  • end – кінцева позиція виділюваного фрагмента у рядку
    x.

Детальний розгляд параметрів substring()

Крім основних параметрів start та end, функція
substring() має додаткові параметри, що впливають на її
роботу:

  • na.rm (логічне значення): якщо встановлено як
    TRUE, то функція ігнорує рядки, де параметри
    start або end мають значення NA.
  • right (логічне значення): якщо встановлено як
    TRUE, функція видобуває фрагмент рядка, починаючи з його
    кінця. Це аналогічно використанню від’ємного значення для параметра
    start.

Вилучення фрагментів тексту за позиціями

Для вилучення фрагментів тексту, спираючись на конкретні позиції в рядку
x, вкажіть номери початкової та кінцевої позицій як аргументи
start та end відповідно. Наприклад, щоб
видобути фрагмент з 3-го по 7-й символ рядка “Hello World!”, код буде таким: 

> substring("Hello World!", 3, 7)
[1] "llo W"

Видобування фрагментів тексту за шаблонами

Функція substring() також може виокремлювати частини тексту,
базуючись на заданих шаблонах. Для цього використовуються регулярні вирази
в параметрах start та end. Регулярні вирази
дають потужні можливості пошуку і співставлення текстових даних.

Наприклад, щоб витягнути всі входження літери “l” з рядка “Hello World!”,
можна скористатись таким кодом: 

> substring("Hello World!", regexpr("l", "Hello World!"), -1)
[1] "l" "l"

У цьому прикладі функція regexpr() шукає перше входження
літери “l” в рядку “Hello World!”. Потім це значення використовується як
аргумент start у substring(), а
-1 як аргумент end для видобування всіх
відповідностей.

Видобування фрагментів з кінця рядка

Для видобування фрагментів тексту з кінця рядка, встановіть параметр
right у значення TRUE. Це корисно, коли
потрібно видалити закінчення або виокремити розширення файлів.

Наприклад, щоб витягнути всі символи після останнього символу “/” у рядку
“C:/Users/username/Documents/myfile.txt”, можна використовувати такий код: 

> substring("C:/Users/username/Documents/myfile.txt", 1, nchar("C:/Users/username/Documents/myfile.txt") - regexpr("/", "C:/Users/username/Documents/myfile.txt"), right = TRUE)
[1] "myfile.txt"

У цьому коді nchar() обчислює загальну довжину рядка. Далі ця
довжина використовується як аргумент start в
substring(), а результат пошуку першого входження “/”
використовується як end, при цьому параметр
right має значення TRUE.

Підсумки

Функція substring() у R є багатофункціональним інструментом для
вилучення частин текстових рядків. Вона пропонує гнучкість у виборі
фрагментів, виходячи з їхньої позиції, шаблонів чи напрямку. Розуміння
синтаксису, параметрів та застосування substring() суттєво
полегшить обробку текстових даних у R. Завдяки цій функції, можна
ефективно підготувати дані, видобути потрібну інформацію та відформатувати
вихідні дані для різних аналітичних задач.

Поширені запитання

  1. Для чого потрібна функція substring() в R?

    Функція substring() використовується для вилучення
    фрагментів з текстових рядків за вказаними позиціями або шаблонами.

  2. Які є обов’язкові параметри функції substring()?

    Обов’язкові параметри: x (текстовий рядок),
    start (початкова позиція) та end
    (кінцева позиція).

  3. Як можна видобути частину рядка на основі шаблону?

    Можна використовувати регулярні вирази в параметрах
    start та end.

  4. Як витягнути фрагмент з кінця рядка?

    Встановіть параметр right як TRUE, щоб
    видобути фрагменти з кінця рядка.

  5. Що повертає substring(), якщо позиції виходять за
    межі рядка?

    Функція повертає пустий рядок, якщо задані позиції виходять за межі
    рядка.

  6. Чи може substring() витягувати кілька фрагментів
    тексту?

    Ні, функція видобуває лише один фрагмент за один виклик.

  7. Як видалити рядки з результату, якщо вони містять значення
    NA?

    Встановіть параметр na.rm у значення TRUE.

  8. Які є альтернативи функції substring() в R?

    Альтернативні функції: strsplit(), grepl(),
    regexpr() і stringr::str_sub().

Теги: substring, R, обробка тексту, вилучення підрядків, шаблони, регулярні
вирази