Question

我有一个约80列的数据框，其中约20-40列具有以字符形式存储的一位整数。其他字符列都是完整的句子（因此，length >>> 1），因此，如果我尝试使用NA，请强制使用mutate_if(is.character, as.numeric)。

我想高效地进行转换，并且基于on this question，我希望有这样的东西：

df %>% map_if(is.character & length(.) <= 1, as.numeric)

但是，这不起作用。我希望有一个tidy解决方案，也许使用purrr？

Answer 1

针对这些情况的最佳功能是readr中的type_convert()：

“ [{type_convert()重新转换数据框中的字符列]，如果您需要进行一些手动调整，这很有用-您可以将字符列读取，并用（例如）常规字符进行清理表达式和其他转换，然后让readr进行分析时会遇到其他麻烦。”

因此，您所需要做的就是将其添加到管道的末尾：

df %>% ... %>% type_convert()

或者，我们可以使用type.convert中的base R，它会根据该值自动检测列类型并进行更改

df[] <- type.convert(df, as.is = TRUE)

如果要查找仅包含一个字符的列

i1 <- !colSums(nchar(as.matrix(df)) > 1)
df[i1] <- type.convert(df[i1])

如果我们要使用tidyverse，则parse_guess中有readr

library(tidyverse)
library(readr)
df %>%
     mutate_if(all(nchar(.) == 1), parse_guess)

Answer 2

您可以检查nchar列中的mutate_if

library(dplyr)
df %>%  mutate_if(~all(nchar(.) == 1) & is.character(.), as.numeric)

使用示例数据

df <- data.frame(a = c("ab", "bc", "de", "de", "ef"), 
                 b = as.character(1:5), stringsAsFactors = FALSE)

df1 <- df %>% mutate_if(~all(nchar(.) == 1) & is.character(.), as.numeric) 

str(df1)
#'data.frame':  5 obs. of  2 variables:
# $ a: chr  "ab" "bc" "de" "de" ...
# $ b: num  1 2 3 4 5

您也可以对map_if进行同样的操作，但是它会返回一个列表，您需要将其转换回数据框

library(purrr)

df %>% 
   map_if(~all(nchar(.) == 1) & is.character(.), as.numeric) %>% 
   as.data.frame(., stringsAsFactors = FALSE)

如何将条目长度≤1的所有列转换为数字？

2 个答案: