将data.fame对象从latin1重新编码为utf-8

时间:2015-12-28 15:35:38

标签: r utf-8 character-encoding latin1 googlevis

我使用带有重音数据的Windows 7(我的系统:" LC_COLLATE = French_France.1252)。
我的数据以ANSI编码,允许我在Rstudio的选项卡中正确显示它们。

我的问题:当我想要创建GoogleVis页面(编码utf-8)时,重音字符无法正确显示。

我的期望:我希望在创建googleVis页面之前将我的latin1 Data.frames转换为带有R的utf-8。  我没有想法。 Stringi包似乎只适用于原始数据。

fr <- data.frame(âge = c(15,20), prénom = c("Adélia", "Adão"), row.names = c("I1", "I2"))

print (fr)

library (googleVis)

test <- gvisTable(fr)
plot(fr)

真实数据 https://drive.google.com/open?id=0B91cr4hfMXV4OEkzWk1aWlhvR0E enter image description here

# importing (historical data)
test_ansi<-read.table("databig_ansi.csv",
                header=TRUE, sep=",",
                na.strings="",
                quote = "\"",
                dec=".") 

# subsetting 
library (dplyr)
test_ansi <- 
   test_ansi %>%
   count(ownera)

# library (stringi)

  stri_enc_detect(test_ansi$ownera)

# visualisation
library (googleVis)

testvis <- gvisTable(test_ansi)
plot(testvis)

1 个答案:

答案 0 :(得分:1)

多个软件包中都有内置函数,例如stringistringrSoundexBRtau,以及R基本系统中的字符转换,可以用作:

text2 <- iconv(text, from = "latin1", to = "UTF-8")

您可能还需要一个更具体的功能,并对某些因素进行检查,如下所示:

.fromto <- function (x, from, to)
{
    if (is.list(x)) {
    xattr <- attributes(x)
    x <- lapply(x, .fromto, from, to)
    attributes(x) <- xattr
    } else {
    if (is.factor(x)) {
        levels(x) <- iconv(levels(x), from, to, sub = "byte")
    } else {
        if (is.character(x))
        x <- iconv(x, from, to, sub = "byte")
    }
    lb <- attr(x, "label")
    if (length(lb) > 0) {
        attr(x, "label") <- iconv(attr(x, "label"), from, to, sub = "byte")
    }
    }
    x
}

# This will convert a vector from any encoding into UTF-8
Latin2UTF8 <- function (x, from = "WINDOWS-1252")
{
    .fromto(x, from, "UTF-8")
} 

然后你只需将其用作:

Latin2UTF8(fr)
 âge prénom
I1  15 Adélia
I2  20   Adão

额外信息和数据后的额外修改

这就是我的R设置方式。我的R默认运行在UTF-8语言环境和英语上。一旦我的系统环境与提供的文件编码不同,我将使用fileEncoding = "LATIN1"。就是这样。

> Sys.getlocale()
[1] "en_US.UTF-8/en_US.UTF-8/en_US.UTF-8/C/en_US.UTF-8/en_US.UTF-8"


test_ansi<-read.table(file.choose(),
                       header=TRUE, sep=",",
                       na.strings="",
                        quote = "\"",
                        dec=".", fileEncoding = "LATIN1")

> test_ansi2 <- 
+     test_ansi %>%
+     count(ownera)
> test_ansi2
Source: local data frame [6,482 x 2]

                ownera n
1       Abautret (Vve) 1
2              Abazuza 1
3            Abernathy 1
4  Abrahamsen, Heerman 1
5  Abrahamsen, Hereman 6
6   Abrahamsz, Heerman 2
7         Abram, Ralph 8
8      Abrams, Heerman 2
9            Abranches 1
10               Abreu 1
..                 ... .

# visualisation
library (googleVis)


testvis <- gvisTable(test_ansi)
plot(testvis)

Link to the table created

Table