Question

我正在使用以下dataset，其中包含墨西哥32个州的平均温度。

library(data.table)

# Read data from website
col.names <- c('ENTIDAD', 'ANYO', 'ENERO', 'FEBRERO', 'MARZO', 'ABRIL', 'MAYO', 'JUNIO',
           'JULIO', 'AGOSTO', 'SEPTIEMBRE', 'OCTUBRE', 'NOVIEMBRE', 'DICIEMBRE', 'UNIDAD')
temperature <- fread('http://201.116.60.46/DatosAbiertos/Temperatura_promedio.csv',
                 col.names = col.names)

列ENTIDAD具有32个状态名称。但是，所有名称都以大写字母显示，并且有一些奇怪的数字替换了应该具有重音的字母：

unique(temperature$ENTIDAD)
 [1] "AGUASCALIENTES"                  "BAJA CALIFORNIA"                
 [3] "BAJA CALIFORNIA SUR"             "CAMPECHE"                       
 [5] "COAHUILA  DE ZARAGOZA"           "COLIMA"                         
 [7] "CHIAPAS"                         "CHIHUAHUA"                      
 [9] "DISTRITO FEDERAL"                "DURANGO"                        
[11] "GUANAJUATO"                      "GUERRERO"                       
[13] "HIDALGO"                         "JALISCO"                        
[15] "M\311XICO"                       "MICHOAC\301N DE OCAMPO"         
[17] "MORELOS"                         "NAYARIT"                        
[19] "NUEVO LE\323N"                   "OAXACA"                         
[21] "PUEBLA"                          "QUER\311TARO"                   
[23] "QUINTANA ROO"                    "SAN LUIS POTOS\315"             
[25] "SINALOA"                         "SONORA"                         
[27] "TABASCO"                         "TAMAULIPAS"                     
[29] "TLAXCALA"                        "VERACRUZ DE IGNACIO DE LA LLAVE"
[31] "YUCAT\301N"                      "ZACATECAS"

是否有一种简单的方法可以用以下字符串替换其中的每一种？

states <- c('Aguascalientes',
'Baja California',
'Baja California Sur',
'Campeche',
'Chiapas',
'Chihuahua',
'Coahuila',
'Colima',
'DF',
'Durango',
'Guanajuato',
'Guerrero',
'Hidalgo',
'Jalisco',
'Michoacan',
'Morelos',
'Mexico',
'Nayarit',
'Nuevo Leon',
'Oaxaca',
'Puebla',
'Queretaro',
'Quintana Roo',
'San Luis Potosi',
'Sinaloa',
'Sonora',
'Tabasco',
'Tamaulipas',
'Tlaxcala',
'Veracruz',
'Yucatan',
'Zacatecas')

Answer 1

您似乎拥有要更改unique(temperature$ENTIDAD)中的名称的替换名称。

如果您已经拥有要更改旧名称的名称，可以使用mapvalues包中的plyr来更改名称：

temperatures$ENTIDAD <- mapvalues(temperature$ENTIDAD, from=unique(temperature$ENTIDAD), to=states)

Answer 2

我认为这会解决你的问题：

temperature <- fread('http://201.116.60.46/DatosAbiertos/Temperatura_promedio.csv',
                 col.names = col.names, encoding = "Latin-1")

Answer 3

您可以设置编码（可能更好地通过fread），并使用tolower作为小写，

x <- temperature$ENTIDAD
Encoding(x) <- "latin1"
# might also want to convert to utf8
# x <- iconv(x,  "latin1", "UTF-8")
cbind(x, tolower(x))

如何在R中清理字符串列（带大写字母和重音符号）？

3 个答案: