Question

我有来自德国经济专家组（SOEP）的18个类似的数据框（每个代表一个调查年），该数据框是部分字符串和部分数字。变量（每个DF中超过200个）具有以下值

前4个是人和家庭的数字标识符
有些是数字＆＃34; -2＆＃34;直到＆＃34; 12＆＃34;
一些字符串类型1为＆＃34; [1] Ja＆＃34;或＆＃34; [ - 2] Nein＆＃34;
有些是字符串类型2为＆＃34; [1] Jan Vollzeit erwerbst。＆＃34;或＆＃34; [ - 2] trifft nicht zu＆＃34;

我已经尝试了sapply - 命令，但是我收到的矩阵可以转换为没有4个标识符变量的数据帧，并且仍然有我的数字括号（PKAL06是我的起始DF）。

PKs <- sapply(PKAL06[5:225], function(PKAL06) substr (PKAL06,1,3)) 
PKsD <- data.frame(PKs)

我也试过与gsub的组合，但它只给了我NA而不是字符串。

PKas <- sapply(PKAL06, 
   function(PKAL06) as.numeric(gsub("([0-9]+).*$", "\\1", PKAL06)))

理想情况下，有人可以告诉我如何通过提取括号之间的内容来告诉R将整个（！）数据框的字符串变量更改为数字变量。输出应该是相同结构的数据框，所有变量都与之前一样，不是矩阵，不是列表。

任何帮助都将受到高度赞赏。

Answer 1

我从SOEP website收集数据是保密的，所以试试这个：

PKas <- sapply(PKAL06, 
   function(PKAL06) as.numeric(gsub("\\[([0-9|\\-]+)\\].+","\\1", PKAL06)))

上面的模式似乎适用于您的示例数据。

str <- c("[1] Ja","[-2] Nein")
as.numeric(gsub("\\[([0-9|\\-]+)\\].+","\\1",str))
# [1]  1 -2

str <- c("[1] Jan Vollzeit erwerbst.","[-2] trifft nicht zu")
as.numeric(gsub("\\[([0-9|\\-]+)\\].+","\\1",str))
# [1]  1 -2

你（似乎......）想要提取括号之间的任何内容。但[是正则表达式语法中的特殊字符，因此您必须使用\\[或\\]来转义它。上面的代码更接近于只接受数字或括号之间的-。

R：斜率从复杂数字/字符串混合数据集中的字符串数据的多个变量中提取数字

1 个答案: