Question

以下是我正在处理的数据的迷你版本：

columnNum <- c("G1", "G2", "G3")
Al <- c("<5", 6, 7, "<4", 5, 6)
Ca <- c(9, 10, 11,10, 11, 12)
df <- data.frame(columnNum, Al, Ca, stringsAsFactors = FALSE)

目前每列的类是字符，字符，数字（按顺序，从左到右），因为有些值被删除（包含＆＃34;＆lt;＆＃34;）

我要做的是替换＆＃34; Al＆＃34;中的值。包含实际数值而不是字符串的列。我确信我能找到一种方法只为一个列做这个但我的问题是，实际上，我有20个不同的列，而不是2.我需要遍历每一列（来自列＆＃34; Al＆＃34; to＆＃34; Zn＆＃34;），检查值是否被审查，如果是，则去掉＆＃34;＆lt;＆＃34;并将其转换为数字。

我还很新，所以这就是我尝试做的事情（根据我的大数据，而不是这个小数据）：

for(i in df$Al:df$Zn)
{
   if (class(df[[i]]) != numeric)
   {
      df[[i]] <-  as.numeric(gsub(pattern = "<", replacement =    
      "", df[[i]])) 
   }
}

循环永远不会结束。

Answer 1

我们应该首先找到要调整的列。我们会根据您的说明将其作为for (i in Samples){ assign(paste0("Mean_",i),mean(get(paste0("Sample_",i)))) }到Al的列。接下来，我们Zn个不必要的字符，并使用sub函数转换为numeric。我添加了更多列以显示复杂性：

numerize

数据

cols <- match("Al", names(df)):match("Zn", names(df)) numerize <- function(x) as.numeric(sub(".*?([0-9.-]+).*", "\\1", x)) #base R df[cols] <- lapply(df[cols], numerize) #dplyr df %>% mutate_at(vars(Al:Zn), numerize) #data.table setDT(df)[, (names(df)[cols]) := lapply(.SD, numerize), .SDcols=cols][] # columnNum Al Yw Zn Ca # 1 G1 5 8 1 9 # 2 G2 6 6 6 10 # 3 G3 7 7 7 11 # 4 G1 4 4 4 10 # 5 G2 5 5 5 11 # 6 G3 6 6 6 12

Answer 2

tidyr::extract_numeric非常方便，无论是dplyr还是

df$Al <- tidyr::extract_numeric(Al)    # or df %>% mutate(Al = extract_numeric(Al))

大致相当于

df$Al <- as.numeric(sub('.*(-?[0-9]+.?[0-9]*).*', '\\1', df$Al))

对于这种特殊情况可以简化为：

df$Al <- as.integer(sub('<', '', df$Al))

无论您使用哪种，您都可以获得以下数据：

##   columnNum Al Ca
## 1        G1  5  9
## 2        G2  6 10
## 3        G3  7 11
## 4        G1  4 10
## 5        G2  5 11
## 6        G3  6 12

R - 操作data.frame中的列，通过将字符转换为数字来消除删失值

2 个答案: