字符串操作的差异

R本身设计初衷主要是用来处理矩阵运算这类数学问题，因此在字符串操作方面比较薄弱。Python并不是专门用来进行数学计算的，没有偏向性，字符串操作优良。但是多年前听说还是比不上Perl，不知道现在怎么样了。

构建字符串

R的字符串无论数量多少都是存放在向量数据结构中，复杂一点的存放就是array, matrix, data.frame, list；Python有专门的字符串类型数据结构，如果需要存放多个字符串，则可以用序列类型，如list（列表）, dict（字典）, tuple（元组），set(集合)。

下面是手动创建字符串的一些操作，基本上R就比Python少了一个'''操作而已，这个在Python里是用于赋值多行字符串的。R连多行注释都没有，这个也能理解吧

# R
s <- 'abc' ； s <- "abc";  s<- "s'b" ; s <- 's\'b'
ss <- c('abc','efg')
ss_matrix <- matrix(c('ab','bc','cd','de'),nrow=2)
ss_list <- list('a','b','c','d')
# Python
ss = 'abc' ; ss = "abc" ; ss = "What's your name"; ss = 'What\'s your name' ; ss ='''What's your name； "sb?" '''
ss_list = ['abc','edf']
ss_dict= {'a':'b', 'c':'d'}
ss_tuple = ('a','b')

如果是从文本里面读取数据的话,Python是先用open定义一个文件对象，由于文件对象是可迭代的，所以最后可以保存成序列类型的数据结构，如列表

[line for line open('file.txt', 'r')]
with open('file.txt', 'r') as f:
    strings = f.readlines()

R原本是用来进行数据分析的，所以用的是read.table类函数读取多列存放的数据，成为后续操作会用到的data.frame对象。当然对于普通的文本文件，与Python的open和readlines对应的是file和readLines，注意这里的Lines，打错就是其他函数了。

# 类似open
fileA <- file("text.txt", "r")
# 类似python的readline和readlines
# 可以指定固定行, readline(fileA, n=1), 默认全部读取
text <- readLines(fileA)
length(text)

这里的text的每一个元素对应为text.txt的行数据。
可以练习一下读取fasta文件，并保存为R的list格式。

函数

R语言本身的目的不是做文本处理的，基础功能比较薄弱是可以理解的。基础函数大致是如下几个：
nchar(): 函数返回字符串长度
paste(), paste0(): 连接若干个字符串
sprintf()：格式化输出
toupper(): 大写转换
tolower(): 小写转换
substr(): 提取或替换一个字符串向量的子串
正则表达式相关的函数，如grep, grepl, regexpr, gregexpr, sub, gsub, strsplit.

后来Hadley大神看不下去，写了一个stringr用来强化R语言字符串操作，效果拔群。
stringr函数主要分为四类：

1. 字符操作：操作字符向量中的单个字符 str_length, str_sub, str_dup
2. 添加，移除和操作空白符 str_pad, str_trim, str_wrap
3. 大小写转换处理 str_to_lower, str_to_upper, str_to_title
4. 模式匹配函数 str_detect, str_subset, str_count, str_locate, str_locate_all, str_match, str_match_all, str_replace, str_replace_all, str_split_fix, str_split, str_extract, str_extract_all

Python中字符串数据结构本身就有许多的方法，而且还有一些包提供其他功能，比如说re提供了正则表达式功能，string扩展了更多功能。
用dir看下有哪些字符串类型函数

dir(str)
['__add__', '__class__', '__contains__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__getnewargs__', '__gt__', '__hash__', '__init__', '__iter__', '__le__', '__len__', '__lt__', '__mod__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__rmod__', '__rmul__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'capitalize', 'casefold', 'center', 'count', 'encode', 'endswith', 'expandtabs', 'find', 'format', 'format_map', 'index', 'isalnum', 'isalpha', 'isdecimal', 'isdigit', 'isidentifier', 'islower', 'isnumeric', 'isprintable', 'isspace', 'istitle', 'isupper', 'join', 'ljust', 'lower', 'lstrip', 'maketrans', 'partition', 'replace', 'rfind', 'rindex', 'rjust', 'rpartition', 'rsplit', 'rstrip', 'split', 'splitlines', 'startswith', 'strip', 'swapcase', 'title', 'translate', 'upper', 'zfill']

对于一个的字符单位的操作而言，R和Python基本上都有一一对应的函数，比如说R的str_to lower(), str_to_upper(), str_to_title()对应就是python的lower(), upper(), title(),R的模式匹配函数对应的是Python的re模块。
然对于多个字符串组成的整体而言，需要记住R是向量化操作，相对应的是Python必须要用列表推导式，举个例子就是

# R
library(stringr)
ss <- c('abc', 'efg')
str_to_upper(ss)
# Python
ss = ['abc', 'efg']
[string.upper() for string in ss]