R语言编码问题的解决
今天博客主要是解决一个学R语言里面最最痛苦的问题(嗯,python2.x里面也有),就是中文乱码问题:
一般用R语言的同学,多半遇见过以下这个问题:
反正虾神我每次遇见这个问题,立刻就是:
实际上这个问题写代码的人一般都能遇见,不同字符编码的问题,如果是从文件里面读的还好说,可以带这个字符编码集一起读,但是如果这个数据是来自于数据库的,如果经验的话,那就真得各种凉拌了。
下面我简单把我今天通过R语言从Postgresql数据库中处理中文问题的整个流程说说,如果哪位同学也遇上了,可以参考我的整个解决方式。
下面这个代码是简单的从R连接Postgresql获取数据的过程,如果没有中文,就一切ok:
library(ggplot2) library(RPostgreSQL) drv= dbDriver("PostgreSQL") pgCon=dbConnect(drv,user="sde",password="sde",host="127.0.0.1") s ="select * from chinapop" rs = dbSendQuery(pgdb, statement = s) df = fetch(rs, n = -1)
数据是我SDE库里面的,内容如下:
在数据库里面表现如下:
结构非常简单,大部分字段都是数字型,只有name这个字段是中文的,当我们运行连接和查询之后,在R语言里面就变成了这个一个dataframe:
然后我们如果想进行一下查询,比如要查一下以“南”在结尾的省(湖南、河南、海南、云南),那么sql语句变成:
一下就让我们抓狂了……生无可恋啊……
然后我们来看看为什么会出现这个问题,首先当然看看你的R语言的环境,这个可以通过sessionInfo()来实现
原来R语言默认使用的是你系统的字符集——我这里win7中文版,默认的字符集就是cp936,也就是所谓的gb2312编码。
然后再来看看我们数据库用的编码,我这里是Postgersql,其他的数据库查看方式自己百度:
字符编码是UTF-8……好吧,知道这个问题就好解决了。
首先,从数据库里面获取的数据,回来的是UTF8的,那么我们可以转成R的字符编码,转换的函数R语言里面已经提供了,叫做iconv(), 如下:
将df里面的name数列,从UTF8的编码,转换为CP936,这样就变成了中文了。
下面就可以用同样的方式来处理中文查询的问题:
这次是从CP936转换为UTF8来执行,语句如下:
s =paste("select * from chinapop where name like '%",iconv("南","CP936","UTF8"),"'",sep = "")
paster函数,是R语言里面的字符串连接函数。
下面抛出了一个警告,所里面有个字段类型是st_geometry类型的,R语言读不了……这个是ArcGIS的东西,直接不管。
然后我们可以看出,查出来4条数据,说明SQL语句执行成功了,但是回来的还是乱码,接下去用上面说的iconv()函数转换一下就行:
到此,中文问题解决.
后面就是R语言老本行分析&可视化了,我们把这4个省的2008年的GDP做一个柱状图,代码如下(用的是ggplot2)
qplot(name,gdp_2008,data=df,fill=gdp_2008)+geom_bar(stat='identity')
如果还需要其他的各种分析可视化,敲命令就可以了,打完收工。
以上为个人经验,希望能给大家一个参考,也希望大家多多支持我们。如有错误或未考虑完全的地方,望不吝赐教。