parse_*() 函數(shù)族。

這些函數(shù)接受一個(gè)字符向量，并返回一個(gè)特定向量，如邏輯、整數(shù)或日期向量：

str(parse_logical(c("TRUE", "FALSE", "NA")))
#> logi [1:3] TRUE FALSE NA
str(parse_integer(c("1", "2", "3")))
#> int [1:3] 1 2 3
str(parse_date(c("2010-01-01", "1979-10-14")))
#> Date[1:2], format: "2010-01-01" "1979-10-14"

和 tidyverse 中的所有函數(shù)一樣， parse_*() 函數(shù)族的用法是一致的。第一個(gè)參數(shù)是需要解

析的字符向量， na 參數(shù)設(shè)定了哪些字符串應(yīng)該當(dāng)作缺失值來(lái)處理：

parse_integer(c("1", "231", ".", "456"), na = ".")

#> [1] 1 231 NA 456

如果解析失敗，你會(huì)收到一條警告：

x <- parse_integer(c("123", "345", "abc", "123.45"))
#> Warning: 2 parsing failures.
#> row col expected actual
#> 3 -- an integer abc#> 4 -- no trailing characters .45解析失敗的值在輸出中是以缺失值的形式存在的：x#> [1] 123 345 NA NA#> attr(,"problems")#> # A tibble: 2 × 4
#> row col expected actual#> <int> <int> <chr> <chr>#> 1 3 NA an integer abc
#> 2 4 NA no trailing characters .45

如果解析失敗的值很多，那么就應(yīng)該使用 problems() 函數(shù)來(lái)獲取完整的失敗信息集合。這

個(gè)函數(shù)會(huì)返回一個(gè) tibble，你可以使用 dplyr 包來(lái)進(jìn)行處理：

problems(x)
#> # A tibble: 2 × 4
#> row col expected actual#> <int> <int> <chr> <chr>#> 1 3 NA an integer abc
#> 2 4 NA no trailing characters .45

在解析函數(shù)的使用方面，最重要的是要知道有哪些解析函數(shù)，以及每種解析函數(shù)用來(lái)處理

哪種類型的輸入。具體來(lái)說(shuō)，重要的解析函數(shù)有 8 種。

? parse_logical() 和 parse_integer() 函數(shù)分別解析邏輯值和整數(shù)。因?yàn)檫@兩個(gè)解析函數(shù)

基本不會(huì)出現(xiàn)問(wèn)題，所以我們不再進(jìn)行更多介紹。

? parse_double() 是嚴(yán)格的數(shù)值型解析函數(shù)， parse_number() 則是靈活的數(shù)值型解析函數(shù)。

這兩個(gè)函數(shù)要比你預(yù)想的更復(fù)雜，因?yàn)槭澜绺鞯貢?shū)寫(xiě)數(shù)值的方式不盡相同。

? parse_character() 函數(shù)似乎太過(guò)簡(jiǎn)單，甚至沒(méi)必要存在。但一個(gè)棘手的問(wèn)題使得這個(gè)

函數(shù)變得非常重要：字符編碼。

? parse_factor() 函數(shù)可以創(chuàng)建因子， R 使用這種數(shù)據(jù)結(jié)構(gòu)來(lái)表示分類變量，該變量具有

固定數(shù)目的已知值。

? parse_datetime()、 parse_date() 和 parse_time() 函數(shù)可以解析不同類型的日期和時(shí)間。

它們是最復(fù)雜的，因?yàn)橛刑嗖煌娜掌跁?shū)寫(xiě)形式。