library(tidyverse)
library(babynames)7 Manejo de strings
En esta sección, aprenderemos cómo crear strings y vectores de caracteres. Luego, veremos cómo crear strings a partir de datos y, lo contrario, cómo extraer strings de los datos. Finalmente, discutiremos funciones que trabajan con letras individuales y trataremos algunos desafíos que pueden surgir cuando se trabaja con otros idiomas.
En este capítulo utilizaremos funciones del paquete stringr, que forma parte del core del tidyverse. También utilizaremos el dataset babynames ya que proporciona strings interesantes para manipular.
7.1 Creación de un string
Ya hemos creado strings anteriormente, pero sin entrar en detalles. Puedes crear un string usando comillas simples (') o dobles ("). No hay diferencia en el comportamiento entre ambos, aunque la guía de estilo del tidyverse recomienda usar ", a menos que el string contenga múltiples ".
string1 <- "Esto es un string"
string2 <- 'Si quiero incluir una "cita" dentro de un string, uso comillas simples'Si olvidas cerrar una comilla, verás +, el prompt de continuación:
> "Este es un string sin cerrar la comilla
+
+
+ AYUDA ESTOY ATASCADO EN UN STRING7.1.1 Escapes
Para incluir comillas simples o dobles dentro de un string, usa \ para “escaparlas”:
comilla_doble <- "\"" # o '"'
comilla_simple <- '\'' # o "'"Para incluir una barra invertida literal en un string, necesitarás escapar también: "\\":
barra_invertida <- "\\"Para ver el contenido en bruto del string, usa str_view() o la función base writeLines():
x <- c(comilla_simple, comilla_doble, barra_invertida)
x[1] "'" "\"" "\\"str_view(x)[1] │ '
[2] │ "
[3] │ \7.1.2 Strings en crudo
Si tienes un string con muchas barras invertidas, puedes usar r antes de las comillas para que R lo interprete como un string en crudo:
dificil <- "double_quote <- \"\\\"\" # or '\"'
single_quote <- '\\'' # or \"'\""
str_view(dificil)[1] │ double_quote <- "\"" # or '"'
│ single_quote <- '\'' # or "'"Pero puedes usar r para que R lo interprete como un string en crudo:
dificil <- r"(double_quote <- "\"" # or '"'
single_quote <- '\'' # or "'")"
str_view(dificil)[1] │ double_quote <- "\"" # or '"'
│ single_quote <- '\'' # or "'"7.1.3 Otros caracteres especiales
Además de las comillas y las barras invertidas, hay otros caracteres especiales que puedes incluir en un string:
\npara nueva línea\tpara tabulación\useguido de cuatro dígitos hexadecimales para un carácter Unicode(Lista de caracteres Unicode)
x <- c("uno\ndos", "uno\tdos", "\u00A1Hola!")
x[1] "uno\ndos" "uno\tdos" "¡Hola!" str_view(x)[1] │ uno
│ dos
[2] │ uno{\t}dos
[3] │ ¡Hola!7.2 Creación de varios strings a partir de datos
7.2.1 paste()
La función más común para crear strings a partir de datos es paste(). Puedes usarla para concatenar múltiples strings:
paste("Hola", "Mundo")[1] "Hola Mundo"También puedes especificar un separador:
paste("Hola", "Mundo", sep = ", ")[1] "Hola, Mundo"Si tienes un vector de strings, puedes concatenarlos todos con collapse:
paste(c("Hola", "Mundo", "como", "estás!"), collapse = " ")[1] "Hola Mundo como estás!"7.2.2 str_c()
En tidyverse puedes usar funciones como str_c() y str_glue() de la forma siguiente:
str_c("Hola", " ", "Mundo")[1] "Hola Mundo"La ventaja de estas funciones es que funcionan con la gramática del tidyverse:
df <- tibble(
nombre = c("Ana", "Luis", "María"),
edad = c(20, 30, 40), puesto = c("Analista", "Gerente", "Director(a)")
)
df |> mutate(saludo = str_c(
"Hola ",
nombre, "!",
" Tienes ",
edad,
" años y eres ",
puesto
))# A tibble: 3 × 4
nombre edad puesto saludo
<chr> <dbl> <chr> <chr>
1 Ana 20 Analista Hola Ana! Tienes 20 años y eres Analista
2 Luis 30 Gerente Hola Luis! Tienes 30 años y eres Gerente
3 María 40 Director(a) Hola María! Tienes 40 años y eres Director(a)7.2.3 str_glue()
str_glue() es una función más avanzada que permite incluir expresiones R dentro de un string:
df |> mutate(saludo = str_glue("Hola {nombre}! Tienes {edad} años y eres {puesto}"))# A tibble: 3 × 4
nombre edad puesto saludo
<chr> <dbl> <chr> <glue>
1 Ana 20 Analista Hola Ana! Tienes 20 años y eres Analista
2 Luis 30 Gerente Hola Luis! Tienes 30 años y eres Gerente
3 María 40 Director(a) Hola María! Tienes 40 años y eres Director(a)7.3 Extracción de datos de strings
Un problema común es que los datos que necesitas están ocultos dentro de un string.
Hay cuatro funciones para extraer esos datos:
separate_longer_delim(col, delim)separate_longer_position(col, width)separate_wider_delim(col, delim)separate_wider_position(col, width)
Funcionan como el pivot_longer() y pivot_wider() que ya conoces, pero para strings. Las dos más comunes son separate_longer_delim() y separate_wider_delim().
7.3.1 Separación por filas
df1 <- tibble(x = c("a,b,c", "d,e", "f"))
df1# A tibble: 3 × 1
x
<chr>
1 a,b,c
2 d,e
3 f df1 |>
separate_longer_delim(x, delim = ",")# A tibble: 6 × 1
x
<chr>
1 a
2 b
3 c
4 d
5 e
6 f 7.3.2 Separación por columnas
df3 <- tibble(x = c("a10.1.2022", "b10.2.2011", "e15.1.2015"))
df3# A tibble: 3 × 1
x
<chr>
1 a10.1.2022
2 b10.2.2011
3 e15.1.2015df3 |>
separate_wider_delim(
x,
delim = ".",
names = c("code", "edition", "year")
)# A tibble: 3 × 3
code edition year
<chr> <chr> <chr>
1 a10 1 2022
2 b10 2 2011
3 e15 1 2015 7.4 Letras individuales
7.4.1 Longitud del string
babynames |>
count(length = str_length(name), wt = n)# A tibble: 14 × 2
length n
<int> <int>
1 2 338150
2 3 8589596
3 4 48506739
4 5 87011607
5 6 90749404
6 7 72120767
7 8 25404066
8 9 11926551
9 10 1306159
10 11 2135827
11 12 16295
12 13 10845
13 14 3681
14 15 830babynames |>
filter(str_length(name) == 15) |>
count(name, wt = n, sort = TRUE)# A tibble: 34 × 2
name n
<chr> <int>
1 Franciscojavier 123
2 Christopherjohn 118
3 Johnchristopher 118
4 Christopherjame 108
5 Christophermich 52
6 Ryanchristopher 45
7 Mariadelosangel 28
8 Jonathanmichael 25
9 Christianjoseph 22
10 Christopherjose 22
# ℹ 24 more rows