Question

我面临着一个特定的经验问题。我在data.frame列中有一个因变量。我可以轻松删除所有NA和所有非数字术语（不幸的是，这是一个开放式文本设计问题）。但是在那些非数字条目中有一些字符串和其他信息，我想亲自检查（可能的估算）。

df <- data.frame(list(A=c(1, 2, 3, 4, 5, 6, 7, 8, 9), B=c("40g", "< 2", "thx", "about 1", "1-2", "1/2", 3, 2.3, "two")))

  A       B
1 1     40g
2 2     < 2
3 3     thx
4 4 about 1
5 5     1-2
6 6     1/2
7 7       3
8 8     2.3
9 9     two

我认为没有特定的例程列出所有非数字条目，并询问我是否要保留它或替换此条目的其他值。但也许这对整个专栏来说至少是可能的？

最后，我想得到以下结构：

因为条目非常不同，我需要判断每个案例是否可以假设一个数值（有时是平均值）。例如，我计算信息的平均值＆＃34; 1-2＆＃34;或者＆＃34; 1到2＆＃34;我转换了不同的单位，如＆＃34; 40g＆＃34;进入＆＃34; 0.4＆＃34;但忽略所有无意义的字符串＆＃34; banana＆＃34;以及所有含糊不清的信息（＆＃34;＆lt; 2＆＃34;）。

报告的衡量标准是数量已经完成。所以没有负面单位。有时它是克或千克。

非常感谢！

更新

非常感谢Tensibai指定我的问题！以下是我如何创建一个有问题的非数字列表，这些数字可能会或可能不会成为估算的潜在候选人：

df <- data.frame(A=c(1, 2, 3, 4, 5, 6, 7, 8, 9), B=c("40g", "< 2", "thx", "about 1", "1-2", "1/2", 3, 2.3, "two"))
df$B <- as.character(df$B)
df$B[is.na( as.numeric(df$B) ) ]
[1] "40g"     "< 2"     "thx"     "about 1" "1-2"     "1/2"     "two"

现在我想创建一个类似矢量的东西，例如

(0.4, NA, NA, 1, 1.5, NA, 2)

应该替换之前列出的条目在我原始data.frame中的位置。我不需要任何转换步骤的功能，但会手动执行此操作！

Answer 1

我会使用循环和readline来创建这样的新向量：

df <- data.frame(list(A=c(1, 2, 3, 4, 5, 6, 7, 8, 9), B=c("40g", "< 2", "thx", "about 1", "1-2", "1/2", 3, 2.3, "two")))
df$B <- as.character(df$B)

myscan <- function(x) {
 new <- vector("numeric",length(x))
 for(i in seq_along(x)) {
   new[i] <- readline(sprintf("Non numeric entry '%s' new value to set: ",x[i]))
 }
 as.numeric(new)
}

# get the entries 
notNum <- is.na( as.numeric(df$B) )
# Loop and ask for updates
df$B[notNum] <-  myscan(df$B[notNum])

运行时，它会给出：

> df$B[notNum] <- as.numeric( myscan(df$B[notNum]) )
Non numeric entry '40g' new value to set: 0.4
Non numeric entry '< 2' new value to set: na
Non numeric entry 'thx' new value to set: ba
Non numeric entry 'about 1' new value to set: 1
Non numeric entry '1-2' new value to set: 1.5
Non numeric entry '1/2' new value to set: na
Non numeric entry 'two' new value to set: 2

然后我们将列返回到数字状态：

df$B <- as.numeric(df$B)

我们得到了新的数据框：

> df
  A   B
1 1 0.4
2 2  NA
3 3  NA
4 4 1.0
5 5 1.5
6 6  NA
7 7 3.0
8 8 2.3
9 9 2.0

检查data.frame列中的所有非数字条目并删除或替换

1 个答案: