如何使用 R 包 stringr 或 stringi 将字符串与数据表中的 NA 连接起来答案

【问题标题】：how to use R package stringr or stringi to concatenate strings with NAs in data table如何使用 R 包 stringr 或 stringi 将字符串与数据表中的 NA 连接起来
【发布时间】：2015-11-13 14:12:58
【问题描述】：

我有一个包含许多街道地址字段列的数据表，例如NUM、STREET_PRE、STREETNAME、STREETTYPE、APT_NO、CITY、STATE、ZIP。许多行并非在所有列中都有值，例如 STREET_PRE 或 APT_NO。

我需要从这些列中获取地址字符串。使用 paste0 会将字符串“NA”放入结果中。我搜索并发现一些关于这个问题的讨论只是在之后替换“NA”，或者在连接中使用 if else。如果有一些“NA”的有效输入，之后替换 NA 可能会带来问题。

stringr 的str_c 看起来很有希望，因为它会跳过 NA。但是我总是得到 NA 作为这个输入的结果：

>t1 = c(NA, "Charles County, MD", NA, "Charles County", "MD","00000") 
>str_c(t1, collapse = '')
[1] NA
>stri_c(t1,ignore_null = TRUE, collapse = '')
[1] NA

这个输入有一些非标准值，但我仍然希望得到一个地址字符串。我会让地理编码器来确定地址是否有效。

这似乎是一项简单的任务，但很难得到我想要的东西。 paste、str_c、stri_c 似乎都在尝试匹配两个向量并将它们连接起来，但我只想连接一系列字符串。它们都适用于正常情况，但是带有 NA 的输入在不同的功能中会导致不同的问题。

编辑下面的答案和 cmets 在单行输入上工作，但在数据表中产生了意外的结果。当我只希望它们处理当前行时，它们可能正在处理整个列向量。

我尝试了这些行但没有成功：

address2011_MD_DC[, input_address := paste(na.omit(c(NUM_MILE,STREET_PRE,STREETNAME,STREETTYPE,STREETSUF,APT_NO)),collapse = " ") ]
address2011_MD_DC[, input_address :=
                str_c(na.omit(c(NUM_MILE,STREET_PRE,STREETNAME,STREETTYPE,STREETSUF,APT_NO)), collapse = ' ' )]

可能是折叠参数将我想要的列组合成单个值。也许我必须回到我原来使用 paste0 的方法，但先用 '' 替换 NA。

【问题讨论】：

你能显示你的数据的实际格式吗？（包括列？）如果是单个向量，paste(t1[!is.na(t1)],collapse=" ") 不会产生预期的结果吗？
这是一个多行的数据框/数据表，每行多列。是的，这也有效，谢谢！
对不起，这不能直接在 data.table 中工作。可能是崩溃导致了意想不到的结果。

标签： r string data.table stringr stringi

【解决方案1】：

来自stringi 文档：

如果输入向量中有任何 NA，则将 NA 设置为对应的元素。请注意，此行为与 paste 不同，后者将缺失值作为普通字符串“NA”。

先尝试删除NAs：

library(stringi)
stri_c(na.omit(t1), collapse = "")

【讨论】：

是的，我之前尝试过na.omit，na.omit 的直接结果给出了一些数字，我没有尝试将na.omit 放在stri_c 中。这似乎可行，但我认为 stringr 和 stringi 应该能够在没有 na.omit 帮助的情况下处理 NA，因为他们提到了对 NA 的不同处理，并且可以选择 ignore_null。
@dracodoc NULL 与 NA 不同。 NULL 表示 R 中的空对象：它是保留字。 NULL 通常由其值未定义的表达式和函数返回。 NA 是一个长度为 1 的逻辑常数，其中包含一个缺失值指示符
在数据表中使用 str_c 或 stri_c 似乎比我想象的要复杂。 DT[, address := str_c(na.omit(c(address columns)), collapse = "")] 产生了意想不到的结果，实际上当我试图查看结果时，我的 R-Studio 失去了响应。
为什么不简单地df$newcol <- apply(df, 1, function(x) stri_c(x[!is.na(x)], collapse = "")) ？
谢谢，这确实有效。但是我的数据表有很多列，要使用这种方法，我需要先选择我需要处理的列（我的问题中的 t1 是一个过于简化的示例），所以对于我的情况来说并不是很简单。现在我只是用'''替换所有NA，然后使用paste0。使用paste0我可以更好地控制分隔符，我需要其中一些是“”，其中一些是“，”。当然最后我需要删除由空列引起的多余空格。