在R中重新格式化杂乱数据帧列

Question

我从CSV文件导入了一个包含奇怪格式数字数据的大数据帧。这是我正在使用的数据框的可重现的例子：

df <- data.frame("r1" = c(1,2,3,4,5), "r2" = c(1,2.01,-3,"-","2,000"))

'r2'包含具有负号的值，例如“ - ”和带零的值表示为破折号' - '。要对这个凌乱的r2列进行一些数值分析，我需要：

1. 将“ - ”替换为零“0”，同时避免删除 负值前面的负号。
2. 避免将诸如“2,000”之类的合法值强制执行到NA。出于某种原因，当我运行命令时：foo$row2<- as.numeric(sub("-",0,foo$row2)) R将用逗号格式化的值强制转换为NA，从而破坏列中的数据。

以下是运行foo$row2<- as.numeric(sub("-",0,foo$row2))后的输出示例：

Warning message:
NAs introduced by coercion 
  r1   r2
1 1  1.00
2 2  2.01
3 3  3.00
4 4  0.00
5 5   NA

如你所见，“2,000”被强迫给NA。 -3错误地转换为3（删除了短划线）。但是，嘿，至少我们摆脱了第3排的“ - ”，对吧!!!

这最终是我想要制作的：

 r1   r2
1 1  1.00
2 2  2.01
3 3  -3.00
4 4  0.00
5 5  2000

请注意，第5行中的逗号已删除。列r2应该格式化，以便我可以在其上运行sum(df$r2)之类的命令。

Answer 1

你的方法很健全。只需运行两次替换，一次删除任何只是破折号的东西，再一次删除任何逗号。

df$r2<-as.numeric(gsub('^-$','0',gsub(',','',df$r2)))

而且，如果您不熟悉正则表达式，^-$我的意思是只删除以（^）开头，短划线然后结束（$）的字符串

Answer 2

nograpes的解决方案更酷：

## df <- data.frame("r1" = c(1,2,3,4,5), "r2" = c(1,2.01,-3,"-","2,000"))

df$r2 <- as.numeric(gsub(",", "", df$r2))
df$r2[is.na(df$r2)] <- 0

##   r1      r2
## 1  1    1.00
## 2  2    2.01
## 3  3   -3.00
## 4  4    0.00
## 5  5 2000.00