使用 model.matrix 编码错误的西里尔字母答案

【问题标题】：Cyrillic letters encoded wrong using model.matrix使用 model.matrix 编码错误的西里尔字母
【发布时间】：2019-07-01 07:29:16
【问题描述】：

我有一个数据框，其中包含需要使用 model.matrix 转换的列名和值中的西里尔字母（俄语）。

model.matrix 将这些变量转换为 unicode 字符，例如 .有什么方法可以将它们转换回来，或者首先避免转换？

library(tibble)
x <- tribble(~"тест", ~value1, ~value2,
         "тест", 5, 10,
         "тест2", 6, 11)
m <- model.matrix(value1 ~ ., data = x)

预期的结果是一个 model.matrix，其中包含应有的 UTF-8 字符。

【问题讨论】：

可能是区域设置问题
听起来您使用的是 Windows。 Windows 不支持 UTF-8 语言环境，因此那里经常会搞砸。在 UTF-8 语言环境中，您的代码看起来不错。

标签： r encoding cyrillic model.matrix

【解决方案1】：

使用stringi解决了问题：

library(stringi)
colnames(m) <- stri_unescape_unicode(gsub("<U\\+(....)>",
                                    "\\\\u\\1",
                                    colnames(m)))

【讨论】：