R语言怎么保留只含有中文的行？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

求教，
目前有一组数据，其中姓氏列包含大部分正常的数据（张王李赵等）和小部分乱码（ABCD *$等符号）。 如何筛选只有中文的数据？
多谢

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：R语言 ABCD ABC 小部分

可能需要一些数据来判断

我的想法是使用utf8ToInt函数，把所有列都转换成int，
正常的中文字符是从\u4e00 ~ \u9fa5，也就是19968 ~ 40869

如果你的乱码都是字母啥的，那肯定不在这个范围，对每行判断一下每个字（姓氏可能是多个字）是否都落在这个范围，不在的就是乱码

举个例子：

1. > x = matrix(c("中文", "A*Bģ", "你123"))
   
2. > x
   
3.      [,1]   
   
4. [1,] "中文"
   
5. [2,] "A*Bģ"
   
6. [3,] "你123"
   
7. >
   
8. > # 判断是否有乱码（非中文），如果有则返回TRUE
   
9. > testfun = function (x) {
   
10. +   x_int = utf8ToInt(x)
    
11. +   any(x_int < 19968, x_int > 40869)
    
12. + }
    
13. >
    
14. > apply(x, 1, testfun)
    
15. [1] FALSE  TRUE  TRUE

复制代码