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:
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
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!
答案 0 :(得分:4)
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