からだにいいもの Rで解析：文字列操作と検索「grep」と置換「gsub」コマンドや正規表現の紹介
文字列操作のコマンドと文字列をパターン（キーワード）で検索する”grepコマンド”と置換する”gsubコマンド”を紹介します。正規表現での抽出も簡単に紹介します。
grepコマンドを使うことでデータの項目名などで繰り返しの処理ができます。
Rとウェブ解析：データフレームの項目名で処理を繰り返す
文字の置換に役に立つかもしれない記事の紹介です。
・Rで解析：文字操作が楽々「stringr」パッケージ
https://www.karada-good.net/analyticsr/r-640
コマンドはR version 4.2.3で確認しています。
＜おすすめのRに関する書籍です＞
はじめてのR: ごく初歩の操作から統計解析の導入まで | 村井 潤一郎
Amazonで村井 潤一郎のはじめてのR: ごく初歩の操作から統計解析の導入まで。
www.amazon.co.jp
文字列の置き換えなどのコマンド
空白を含む文字数のカウント、空白の削除、文字列の置き換え、文字列の切り出しに関するコマンドです。
#文字列の例、半角空白含めて16文字
# KARADANI EMONO
Test <- " KARADANI EMONO "
#文字数を確認
nchar(Test)
[1] 16
#半角空白を全て除く
gsub(" ", "", Test)
[1] "KARADANIEMONO"
#先頭の半角空白を除く
gsub("^ ", "", " KARADANI EMONO ")
[1] "KARADANI EMONO "
#最後尾の半角空白を除く
gsub(" $", "", " KARADANI EMONO ")
[1] " KARADANI EMONO"
#文字列から一部を取り出す
#4から11文字までを取り出す
substring(Test, 4, 11)
[1] "RADANI E"
#文字列の5と6文字目をXXに置き換える
substring(Test, 5, 6) <- "XX"
#置換前
[1] " KARADANI EMONO "
#置換後
Test
[1] " KARXXANI EMONO "
#空白を含む文字列を指定の長さで切り出す
strtrim(Test, 9)
[1] " KARADANI"
#文字を指定した内容で分割
#文字Aで分割
#指定した文字は消えてしまします
#結果はlistなのでunlistでベクトルにしています。
unlist(strsplit(Test, "A"))
[1] " K" "R" "D" "NI EMONO "スポンサーリンク
文字列の結合などのコマンド
文字列の結合、文字列ベクトルの作成、文字列の数字化などのコマンド
###文字列の結合コマンド:paste#####
#文字列例の作成
Text1 <- c("KARADA1", "KARADA2")
Text2 <- " NI "
Text3 <- "EMONO"
#各文字列の最後尾に半角空白が挿入され結合されます
paste(Text1, Text2, Text3)
[1] "KARADA1 NI EMONO" "KARADA2 NI EMONO"
#sepオプション""で空白を挿入せずに結合
paste(Text1, Text2, Text3, sep = "")
[1] "KARADA1 NI EMONO" "KARADA2 NI EMONO"
#collapseオプションは指定した文字列で
#文字列を結合して単一の文字列を作成します
paste(Text1, Text2, Text3, sep = "", collapse = " ? ")
[1] "KARADA1 NI EMONO ? KARADA2 NI EMONO"
#オプションが「sep = ""」専用のコマンド:paste0
#空白を挿入せずに結合
paste0(Text1, Text2, Text3)
[1] "KARADA NI EMONO"
########
#文字列ベクトルの作成
TsetChar <- character(10)
TsetChar
[1] "" "" "" "" "" "" "" "" "" ""
class(TsetChar)
[1] "character"
#文字列への変換
class(10)
[1] "numeric"
class(as.character(10))
[1] "character"
###数字の文字列を数字に変換:type.convertコマンド#####
Text1 <- "1"
Text2 <- "2"
#エラーが起きます
Text1 + Text2
Error in Text1 + Text2 : non-numeric argument to binary operator
#type.convertの使用
type.convert(Text1, as.is = TRUE) + type.convert(Text2, as.is = TRUE)
[1] 3
########
#アルファベットを出力する関数
#大文字
LETTERS[1:7]
[1] "A" "B" "C" "D" "E" "F" "G"
#小文字
letters[10:16]
[1] "j" "k" "l" "m" "n" "o" "p"検索する”grepコマンド”と置換する”gsubコマンド”
内容はコメントを確認してください。
#からだにいいものタイトル
Test <- c("Rで解析：フォルダのコピーや作成など「pathological」パッケージの紹介とパッケージに依存しない方法",
"Rのガイド：研究者も、社会人も、おねえさんも。とりあえず、みんなで使ってみませんか？",
"Rで解析：画像のカラーコードを取得する方法！「EBImage」パッケージの紹介",
"Rでお遊び：プレゼン資料の配色に使えるかも？キャラクターの髪の色？")
###grepはキーワードを含む文字列の位置を出力#####
#紹介を含むタイトルの順位
grep("紹介", Test)
[1] 1 3
#grepを利用した文字列の抽出方法
#文字列にガイドを含むタイトルを抽出
Test[grep("ガイド", Test)]
[1] "Rのガイド：研究者も、社会人も、おねえさんも。とりあえず、みんなで使ってみませんか？"
#複数のキーワードも設定できます
#例はor"|"です
Test[grep("おねえさん|髪", Test)]
[1] "Rのガイド：研究者も、社会人も、おねえさんも。とりあえず、みんなで使ってみませんか？"
[2] "Rでお遊び：プレゼン資料の配色に使えるかも？キャラクターの髪の色？"
#正規表現も使えます
#先頭(^)に"Rの"の文字を含むタイトル
Test[grep("^Rの", Test)]
[1] "Rのガイド：研究者も、社会人も、おねえさんも。とりあえず、みんなで使ってみませんか？"
########
###gsubは対象キーワードに該当する文字列を指定内容で置換します#####
#gsub(対象キーワード, 指定内容, 文字列)
#おねえさんをおネイサンに置換
gsub("おねえさん", "おネエサン", Test)
[2] "Rのガイド：研究者も、社会人も、おネエサンも。とりあえず、みんなで使ってみませんか？"
#含まれる"の"を全て"が"に置換
gsub("の", "が", Test)
[1] "Rで解析：フォルダがコピーや作成など「pathological」パッケージが紹介とパッケージに依存しない方法"
[2] "Rがガイド：研究者も、社会人も、おねえさんも。とりあえず、みんなで使ってみませんか？"
[3] "Rで解析：画像がカラーコードを取得する方法！「EBImage」パッケージが紹介"
[4] "Rでお遊び：プレゼン資料が配色に使えるかも？キャラクターが髪が色？"
#最初に現れる"の"を"が"に置換
sub("の", "が", Test)
[1] "Rで解析：フォルダがコピーや作成など「pathological」パッケージの紹介とパッケージに依存しない方法"
[2] "Rがガイド：研究者も、社会人も、おねえさんも。とりあえず、みんなで使ってみませんか？"
[3] "Rで解析：画像がカラーコードを取得する方法！「EBImage」パッケージの紹介"
[4] "Rでお遊び：プレゼン資料が配色に使えるかも？キャラクターの髪の色？"正規表現で文字列を抽出
正規表現でを使用した文字列の抽出例です。
Test <- c("KKKRRADAAA GOODDDDDD",
"kkkrraaadaaaaGoood",
"かかからららだだだいもののの",
"からだにいいもの")
#+の直前文字が１回以上繰り返すを抽出
Test[grep("ら+", Test)]
[1] "かかからららだだだいもののの" "からだにいいもの"
#文字と[^]の文字列を含まない文字列を抽出
Test[grep("だ[^に]い", Test)]
[1] "かかからららだだだいもののの"
#ある文字を含む文字列を抽出
Test[grep("A|に", Test)]
[1] "KKKRRADAAA GOODDDDDD" "からだにいいもの"
#特定パターンを抽出
Test[grep("ら.に", Test)]
[1] "からだにいいもの"
#+を組み合わせて特定パターンを抽出
Test[grep("A.+D", Test)]
[1] "KKKRRADAAA GOODDDDDD"
###ここから、使用する文字データ########
Test <- c("karada いいもの", "karadaいい もの",
"karada_いいもの", "からだにいいもの",
"からだに1いいもの", "からだに1223いもの",
"からだに12234535いいもの", "からだに13234535いいもの",
"からだに13234335いいもの", "0123-45-6789",
"012-3456-7895", "0123456789")
########
#空白を含む文字列にマッチ
Test[grep("\\s", Test)]
[1] "karada いいもの" "karadaいい もの"
#数字3の前に数字が3連続にマッチ
Test[grep("\\d{3}?3", Test)]
[1] "からだに1223いもの" "からだに12234535いいもの" "からだに13234535いいもの" "からだに13234335いいもの"
[5] "0123-45-6789" "0123456789"
#数字3が3回以上出現にマッチ
#Test[grep("(3.*){3}", Test)]
Test[grep("(3.*){3,}", Test)]
[1] "からだに13234535いいもの" "からだに13234335いいもの"
#数字3が2連続出現にマッチ
Test[grep("3{2}", Test)]
[1] "からだに13234335いいもの"
#ハイフンありの数字にマッチ
Test[grep("0\\d{1,4}-\\d{1,4}-\\d{4}", Test)]
[1] "0123-45-6789" "012-3456-7895"
#「いい」を含む文字列がマッチ
Test[grep("\\wいい", Test)]
[1] "karadaいい もの" "karada_いいもの" "からだにいいもの" "からだに1いいもの"
[5] "からだに12234535いいもの" "からだに13234535いいもの" "からだに13234335いいもの"
#「いい」を含まない文字列がマッチ
Test[grep("(*いい)", Test, invert = TRUE)]
[1] "からだに1223いもの" "0123-45-6789" "012-3456-7895" "0123456789"
#特殊文字(.など)をエスケープ:\\
grep("い\\.い", c("ii", "い.いい", "い. a", "いいい", "い９i", "い.9i"))
[1] 2
#任意の一文字にマッチ:.
grep("い.い", c("ii", "い.いい", "い. a", "いいい", "い９i", "い9i"))
[1] 2 4
#ある文字から開始する文字にマッチ:^,.,*,$の組み合わせ
grep("^いい.*$", c("ii", "い.いい", "い. a", "いいい", "い９i", "い9i"))
[1] 4
#ある文字で終了する文字にマッチ:^,.,*,$の組み合わせ
grep("^.*いい$", c("ii", "い.いい", "い. a", "いいい", "い９i", "い9i"))
[1] 2 4
#英数字にマッチ:[A-Za-z0-9]
grep("[A-Za-z0-9]", c("ii", "い.いい", "い. a", "いいい", "い９i", "い9i"))
[1] 1 3 5 6
#数字にマッチ:[0-9]
grep("[0-9]", c("ii", "い.いい", "い. a", "いいい", "い９i", "い9i"))
[1] 6
#空白にマッチ:[[:space:]]
grep("[[:space:]]", c("ii", "い.いい", "い. a", "いいい", "い９i", "い9i"))
[1] 3
#ある拡張子を含む文字列にマッチ
#例ではwordの.doxcにマッチ
grep("^.*doxc*$", c("ii", "い.いい", "い.doxc", "いいい", "い９i", "い9i"))
[1] 3
#少数点を含む文字列にマッチ
grep("[+-]?\\d*\\.\\d", c("45454", "-8.0", "8.15452", "7.5", ".23", "い9i"))
[1] 2 3 4 5
#https/ftpを含む文字列にマッチ
grep("(https?|ftp)://([^:/]+)",
c("45454", "-8.0",
"https://www.karada-good.net/analyticsr/r-648/",
"7.5", ".23", "https://www.karada-good.net/"))
[1] 3 6文字列のマッチ確認に便利な「stringr::str_view」コマンド
文字列のマッチの確認は「stringr」パッケージの「str_view」コマンドが便利です。なお、「stringr」パッケージは「ggplot2」パッケージなども収録している「tidyverse」パッケージをインストールして利用するのが便利です。
#tidyverseパッケージの読み込み
#tidyverseパッケージがなければインストール
if(!require("tidyverse", quietly = TRUE)){
install.packages("tidyverse");require("tidyverse")
}
#文字列例
text <- c("DHA30.0mgEPA100mgARA120mg", "1100mg 400mg",
"DHA217mgEPA83mg計300mg", "1日当たりDHA300mg",
"DHA880mg合計964mgEPA84mg",
"ルテイン10mgアスタキサンチン4mgシアニジン-3-グルコシド2.3mgDHA50mg")
#正規表現パターン
pattern <- "EPA[0-9.]+mg|DHA[0-9.]+mg|^[0-9.]+mg|\\s[0-9.]+mg"
#マッチの確認:str_viewコマンド
str_view(text, pattern)
[1] │ <DHA30.0mg><EPA100mg>ARA120mg
[2] │ <1100mg>< 400mg>
[3] │ <DHA217mg><EPA83mg>計300mg
[4] │ 1日当たり<DHA300mg>
[5] │ <DHA880mg>合計964mg<EPA84mg>
[6] │ ルテイン10mgアスタキサンチン4mgシアニジン-3-グルコシド2.3mg<DHA50mg>
###参考#####
#text <- c("applebananaorange")
#否定の正規表現パターン
#pattern <- "(?<=^apple).*"
#マッチの確認:str_viewコマンド
#str_view(text, pattern)
#[1] │ apple<bananaorange>文字列のUnicode正規化
「stringi」パッケージの「stri_trans_general」コマンドを利用すると楽に変換できます。文字の表記ゆれの修正に便利だと思います。
#パッケージのインストール
install.packages("stringi")
#パッケージの読み込み
library("stringi")
#文字列例
text <- c("ｍｇ", "mg", " ", " ", "α", "β", "γ",
"。", ".", "／", "/", "３", "3", "A", "a")
#Unicode正規化:NFD,NFC,NFKD,NFKCなどが使用可能
stri_trans_general(text, "NFKC")
#mg" "mg" " " " " "α" "β" "γ" "。"
#"." "/" "/" "3" "3" "A" "a"
#ギリシャ文字をラテン文字に変換
stri_trans_general(text, "greek-latin")
#"ｍｇ" "mg" " " " " "a" "b" "g"
#"。" "." "／" "/" "３"
#"3" "A" "a"
#大文字を小文字に変換
#逆の場合は"upper"を入力する
stri_trans_general(text, "lower")
#"ｍｇ" "mg" " " " " "α" "β" "γ"
#"。" "." "／" "/" "３"
#"3" "a" "a" 役に立つ記事の紹介
あわせて読みたいRで解析：データの書式変更が楽々です！！「fmtr」パッケージ数字の桁揃えや小数点の切り上げ・切り捨てなどの書式設定だけでなく、テキストの置換を条件で設定可能な大変便利なコマンドが収録されているパッケー…少しでも、あなたの解析が楽になりますように！！
スポンサーリンク
