今天主要是解决一个学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:


R语言常用代码符号 r语言code_编码


反正虾神我每次遇见这个问题,立刻就是:


R语言常用代码符号 r语言code_字符编码_02



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)


在数据库里面表现如下:


R语言常用代码符号 r语言code_字符编码_03


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:


R语言常用代码符号 r语言code_编码_04



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:


R语言常用代码符号 r语言code_ico_05



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


R语言常用代码符号 r语言code_字符编码_06



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:


R语言常用代码符号 r语言code_数据库_07


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:


R语言常用代码符号 r语言code_ico_08



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。


R语言常用代码符号 r语言code_编码_09


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:

R语言常用代码符号 r语言code_编码_10


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')


R语言常用代码符号 r语言code_ico_11


如果还需要其他的各种分析可视化,敲命令就可以了