R: Gibt es eine Funktion zum Reinigen von Faktorstufen? Zeichen spaltenweise in einem Datenrahmen?

Question

Ich verwende oft die clean_names() Funktion aus dem janitor Paket. Ich habe mich gefragt, ob es eine ähnliche Funktion gibt, um Spalteneinträge zu bereinigen, wenn sie aus Faktornamen oder Zeichen bestehen.

Mit "sauber" meinte ich, dass es die gleichen Dinge wie die clean_names() - Funktion im Hausmeister-Paket, z. Ändern Sie Leerzeichen in einen Unterstrich, ändern Sie die Groß-/Kleinschreibung, entfernen Sie die Punkte usw.

Vielen Dank!

Answer 1

Verwenden Sie einfach die internen Bits von janitor::clean_names():

# #' 'Clean' a character/factor vector like `janitor::clean_names()` does for data frame columns 
# #' 
# #' Most of the internals are from `janitor::clean_names()` 
# #' 
# #' @param x a vector of strings or factors 
# #' @param refactor if `x` is a factor, return a ref-factored factor? 
# #'  Default: `FALSE` == return character vector. 
clean_vec <- function (x, refactor=FALSE) { 

    require(magrittr, quietly=TRUE) 

    if (!(is.character(x) || is.factor(x))) return(x) 

    x_is_factor <- is.factor(x) 

    old_names <- as.character(x) 

    new_names <- old_names %>% 
    gsub("'", "", .) %>% 
    gsub("\"", "", .) %>% 
    gsub("%", "percent", .) %>% 
    gsub("^[ ]+", "", .) %>% 
    make.names(.) %>% 
    gsub("[.]+", "_", .) %>% 
    gsub("[_]+", "_", .) %>% 
    tolower(.) %>% 
    gsub("_$", "", .) 

    dupe_count <- sapply(1:length(new_names), function(i) { 
    sum(new_names[i] == new_names[1:i]) 
    }) 

    new_names[dupe_count > 1] <- paste(
    new_names[dupe_count > 1], dupe_count[dupe_count > 1], sep = "_" 
) 

    if (x_is_factor && refactor) factor(new_names) else new_names 

} 

Beispiel:

vec <- stringi::stri_rand_strings(10, 10, pattern = "[A-Za-z0-9\\.\\-\\?_\\,\\*\\+]") 

vec 
## [1] "TzMF-iCHX6" "v-b+2cpul5" "JPMwpP35K6" "5Z3RQf50Tb" "HaPzKB5jhH" 
## [6] "3gz6P4?0uU" "ofXkhP4Q1O" "?,4NvCjw,3" "AlG9dWJ,Ze" "MrPrvuYH4*" 

clean_vec(vec) 
## [1] "tzmf_ichx6" "v_b_2cpul5" "jpmwpp35k6" "x5z3rqf50tb" "hapzkb5jhh" 
## [6] "x3gz6p4_0uu" "ofxkhp4q1o" "x_4nvcjw_3" "alg9dwj_ze" "mrprvuyh4" 

clean_vec(factor(vec)) 
## [1] "tzmf_ichx6" "v_b_2cpul5" "jpmwpp35k6" "x5z3rqf50tb" "hapzkb5jhh" 
## [6] "x3gz6p4_0uu" "ofxkhp4q1o" "x_4nvcjw_3" "alg9dwj_ze" "mrprvuyh4" 

clean_vec(factor(vec), TRUE) 
## [1] tzmf_ichx6 v_b_2cpul5 jpmwpp35k6 x5z3rqf50tb hapzkb5jhh 
## [6] x3gz6p4_0uu ofxkhp4q1o x_4nvcjw_3 alg9dwj_ze mrprvuyh4 
## 10 Levels: alg9dwj_ze hapzkb5jhh jpmwpp35k6 mrprvuyh4 ... x5z3rqf50tb