R语言编码问题

落日映苍穹つ 2022-06-07 13:35 225阅读 0赞

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：  
![SouthEast][]  
  
反正虾神我每次遇见这个问题，立刻就是：  
![SouthEast 1][]  
  
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：  
![SouthEast 2][]  
  
在数据库里面表现如下：  
![SouthEast 3][]  
  
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：  
![SouthEast 4][]  
  
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：  
![SouthEast 5][]  
  
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  
![SouthEast 6][]  
  
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：  
![SouthEast 7][]  
  
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：  
![SouthEast 8][]  
  
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。  
![SouthEast 9][]  
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：  
![SouthEast 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')  
  
![SouthEast 11][]  
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。

[SouthEast]: /images/20220607/cb1e19540d9b45b1a6ffa235d4441da4.png
[SouthEast 1]: /images/20220607/b199183b188d4a629f6aa0b8857da737.png
[SouthEast 2]: /images/20220607/a567ee45aec540749d86a4dbf3c14e85.png
[SouthEast 3]: /images/20220607/5a64a5e58e81449bb5131926b02d1458.png
[SouthEast 4]: /images/20220607/80fa3d137eb14adcaebcbd25769a7643.png
[SouthEast 5]: /images/20220607/7c7995742b034801b6a69ba98cf00f18.png
[SouthEast 6]: /images/20220607/6d4118f7ae4d4bc791bc74339b668e7f.png
[SouthEast 7]: /images/20220607/9263efac9c7c4c8aad5df213156ce663.png
[SouthEast 8]: /images/20220607/9d591b4d196d4398bbe78fb8fbc7d0e0.png
[SouthEast 9]: /images/20220607/d9cfb9cea5e949d19185cbb7e034ec76.png
[SouthEast 10]: /images/20220607/be094b8ac8674c068a06634ac2db1db1.png
[SouthEast 11]: /images/20220607/94e0789b6e9f4864b1ec020917060f1f.png