今天在看《R for datascience》這本書的如何讀入數據這一章，本來覺得這個挺簡單的哈，一看發現自己還有很多不會的，索性就寫下來，大家瞅瞅吧。

讀入數據之前一定要了解的就是這個解析函數parse_*()，它決定了軟件到底怎麼讀入某一個文件。比如相同的東西，不同的解析讀入的東西就不一樣：

今天就一起給大家寫一些常見的解析函數，一共8個parse函數：

• parse_logical()
• parse_integer()
• parse_double()
• parse_number()
• parse_character()
• parse_datetime()
• parse_date()
• parse_time()

解析數字似乎不難，但是也有地方需要注意各個國家表示數字方法不一樣：

比如有的國家用，而非.來表示小數點。這個時候就需要使用locale屬性：你可以用decimal_mark規定不同的小數點表示方法，比如：

parse_double("1.23") #> [1] 1.23 parse_double("1,23", locale = locale(decimal_mark = ",")) #> [1] 1.23

parse_number()還有一個特性就是自動忽略數字前後的符号，在百分數和錢的解析中很常用：

parse_number("$100") #> [1] 100 parse_number("20%") #> [1] 20 parse_number("It cost $123.45") #> [1] 123

而對于字符串而言，不同的字符編碼存儲方法，其打印結果不同，很多時候字符默認的編碼是UTF-8，但對于不是此方法編碼的字符，解析的時候就得在locale中給出編碼方式，否則會出現亂碼，比如：

x1 <- "El Ni\xf1o was particularly bad this year" x2 <- "\x82\xb1\x82\xf1\x82\xc9\x82\xbf\x82\xcd"

對于上面的兩個對象進行解析，如果我們不指定正确的編碼，得到結果如下圖：

指定正确的編碼方法後，得到正确的結果：

你可以直接把因子理解為分類變量，在解析因子的時候需要給出level水平，這樣的話解析時遇到的不屬于因子水平的變量時，就會自動給出提示，如下：

fruit <- c("apple", "banana") parse_factor(c("apple", "banana", "bananana"), levels = fruit)

上面的代碼中，規定隻有兩個level水平，但是解析内容中出現了bananana，這個就自動解析為缺失值了，同時程序給出了警告。

parse_datetime()是用來解析時間的，默認需要的輸入是ISO8601型的時間格式，就是“年月日時分秒”的格式，看例子：

parse_datetime("2010-10-01T2010") #> [1] "2010-10-01 20:10:00 UTC" # If time is omitted, it will be set to midnight parse_datetime("20101010") #> [1] "2010-10-10 UTC"

parse_date()這個默認的格式是4位數字的年加上- or /然後月份，然後再加- or /，然後日期，看例子：

parse_date("2010-10-01") #> [1] "2010-10-01"

parse_time()默認的輸入是小時然後：然後分鐘：然後秒，第二個：可以省略，看例子：

library(hms) parse_time("01:10 am") #> 01:10:00 parse_time("20:10:01") #> 20:10:01

重要的是我們可能有自己的輸入習慣，這個時候也可以自己設定解析方式，需要用到的方法如下：

Year

• %Y (4 digits).
• %y (2 digits); 00-69 -> 2000-2069, 70-99 -> 1970-1999.

Month

• %m (2 digits).
• %b (abbreviated name, like “Jan”).
• %B (full name, “January”).

Day

• %d (2 digits).
• %e (optional leading space).

Time

• %H 0-23 hour.
• %I 0-12, must be used with %p.
• %p AM/PM indicator.
• %M minutes.
• %S integer seconds.
• %OS real seconds.
• %Z Time zone

Non-digits

• %. skips one non-digit character.
• %* skips any number of non-digits.

這個時候不來點例子，好多同學肯定搞不明白，那就上例子：

parse_date("01/02/15", "%m/%d/%y") #> [1] "2015-01-02" parse_date("01/02/15", "%d/%m/%y") #> [1] "2015-02-01" parse_date("01/02/15", "%y/%m/%d") #> [1] "2001-02-15"

上面的例子中，%d、%m、%y表示2位數的日月年，組合的順序不同，同樣的數字解析出來的時間就不同，上面的例子中，同樣是01，在一個中解析出來是一月份，第二個中解析出來是1日，第三個中解析出來卻是2001年。

今天給大家寫了常見的解析函數，其實還有文件的解析我還沒有寫，關注我，之後慢慢給大家寫，感謝大家耐心看完。發表這些東西的主要目的就是督促自己，希望大家關注評論指出不足，一起進步。内容我都會寫的很細，用到的數據集也會在原文中給出鍊接，你隻要按照文章中的代碼自己也可以做出一樣的結果，一個目的就是零基礎也能懂，因為自己就是什麼基礎沒有從零學Python和R的，加油。

（站外鍊接發不了，請關注後私信回複“數據鍊接”獲取本頭條号所有使用數據）

往期内容：

R數據分析：R Markdown：數據分析過程報告利器，你必須得學呀

R數據分析：stargazer給你一個漂亮的可以直接發表的結果表格

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!