R - 将带有 $ 和 % 符号的字符列转换为数字答案

【问题标题】：R - Convert character columns with $ and % signs into numericR - 将带有 $ 和 % 符号的字符列转换为数字
【发布时间】：2022-07-12 22:36:11
【问题描述】：

我有一个数据框df有多个列，我想清理其中的一些定价列。数据框如下所示：

Col1(char)  Col2(char)     Col3(char)     Col4(char)
CST         $ 128,412.00   $ 0.034        +149.628%
FSD         $ 138,232.40   $ 0.023        +124.244%
SDD         $ 112,234.45   $ 0.023        -123.324%

但是，我希望输出如下所示：

Col1(char)  Col2(num)   Col3(num)  Col4(num)
CST         128412.00   0.034      1.49628
FSD         138232.40   0.023      1.24244
SDD         112234.45   0.023      -1.23324

如何尽可能优雅地将 Col2 - Col4 转换为数字列？谢谢！

标签： r dataframe character numeric

【解决方案1】：

dat <- structure(list(Col1 = c("CST", "FSD", "SDD"), Col2 = c("$ 128,412.00", 
"$ 138,232.40", "$ 112,234.45"), Col3 = c("$ 0.034", "$ 0.023", 
"$ 0.023"), Col4 = c("+149.628%", "+124.244%", "-123.324%")),
 class = "data.frame", row.names = c(NA, -3L))
#  Col1         Col2    Col3      Col4
#1  CST $ 128,412.00 $ 0.034 +149.628%
#2  FSD $ 138,232.40 $ 0.023 +124.244%
#3  SDD $ 112,234.45 $ 0.023 -123.324%

要将除第 1 列之外的所有列转换为数字，您可以执行

tonum <- function (x) {
  ## delete "$", "," and "%" and convert string to numeric
  num <- as.numeric(gsub("[$,%]", "", x))
  ## watch out for "%", that is, 90% should be 90 / 100 = 0.9
  if (grepl("%", x[1])) num <- num / 100
  ## return
  num
}

dat[-1] <- lapply(dat[-1], tonum)
dat
#  Col1     Col2  Col3     Col4
#1  CST 128412.0 0.034  1.49628
#2  FSD 138232.4 0.023  1.24244
#3  SDD 112234.4 0.023 -1.23324

评论：

我刚刚从PaulS's answer 学到了readr::parse_number()。这是一个有趣的功能。基本上它会删除不能成为数字有效部分的所有内容。作为一种实践，我使用 REGEX 实现了相同的逻辑。所以这是一个通用的tonum()。

tonum <- function (x, regex = TRUE) {
  ## drop everything that is not "+/-", "0-9" or "."
  ## then convert string to numeric
  if (regex) {
    num <- as.numeric(stringr::str_remove_all(x, "[^+\\-0-9\\.]*"))
  } else {
    num <- readr::parse_number(x)
  }
  ## watch out for "%", that is, 90% should be 90 / 100 = 0.9
  ind <- grepl("%", x)
  num[ind] <- num[ind] / 100
  ## return
  num
}

这是一个快速测试：

x <- unlist(dat[-1], use.names = FALSE)
x <- c(x, "euro 300.95", "RMB 888.66", "£1999.98")
# [1] "$ 128,412.00" "$ 138,232.40" "$ 112,234.45" "$ 0.034"      "$ 0.023"     
# [6] "$ 0.023"      "+149.628%"    "+124.244%"    "-123.324%"    "euro 300.95" 
#[11] "RMB 888.66"   "£1999.98"  

tonum(x, regex = TRUE)
# [1] 128412.00000 138232.40000 112234.45000      0.03400      0.02300
# [6]      0.02300      1.49628      1.24244     -1.23324    300.95000
#[11]    888.66000   1999.98000

tonum(x, regex = FALSE)
# [1] 128412.00000 138232.40000 112234.45000      0.03400      0.02300
# [6]      0.02300      1.49628      1.24244     -1.23324    300.95000
#[11]    888.66000   1999.98000

【讨论】：

【解决方案2】：

另一种可能的解决方案，基于readr::parse_number（使用@ZheyuanLi 的数据，我感谢他）：

library(tidyverse)

dat %>%
  mutate(across(-1, ~ parse_number(.x)),
         Col4 = Col4 / 100)

#>   Col1     Col2  Col3     Col4
#> 1  CST 128412.0 0.034  1.49628
#> 2  FSD 138232.4 0.023  1.24244
#> 3  SDD 112234.4 0.023 -1.23324

【讨论】：

【解决方案3】：

使用 tidyverse 的另一种方法

library(dplyr)
library(stringr)

# generating Col5, Col6 same as Col4, just for demo
dat <- data.frame(
  stringsAsFactors = FALSE,
  Col1 = c("CST", "FSD", "SDD"),
  Col2 = c("$ 128,412.00", "$ 138,232.40", "$ 112,234.45"),
  Col3 = c("$ 0.034", "$ 0.023", "$ 0.023"),
  Col4 = c("+149.628%", "+124.244%", "-123.324%"),
  Col5 = c("+149.628%", "+124.244%", "-123.324%"),
  Col6 = c("+149.628%", "+124.244%", "-123.324%")
)


dat %>% 
  mutate(
    across(Col2:Col6,  ~ as.numeric(str_remove_all(.x, pattern = "[$, +%]"))),
    across(Col4:Col6, ~ .x/100)
  )
#>   Col1     Col2  Col3     Col4     Col5     Col6
#> 1  CST 128412.0 0.034  1.49628  1.49628  1.49628
#> 2  FSD 138232.4 0.023  1.24244  1.24244  1.24244
#> 3  SDD 112234.4 0.023 -1.23324 -1.23324 -1.23324

^{由reprex package (v2.0.1) 于 2022 年 7 月 12 日创建}

【讨论】：