删除千位分隔符[重复]答案

【问题标题】：Remove thousand's separator [duplicate]删除千位分隔符[重复]
【发布时间】：2013-04-05 12:09:38
【问题描述】：

我导入了一个 Excel 文件，得到了这样的数据框

structure(list(A = structure(1:3, .Label = c("1.100", "2.300", 
"5.400"), class = "factor"), B = structure(c(3L, 2L, 1L), .Label = c("1.000.000", 
"500", "7.800"), class = "factor"), C = structure(1:3, .Label = c("200", 
"3.100", "4.500"), class = "factor")), .Names = c("A", "B", "C"
), row.names = c(NA, -3L), class = "data.frame")

我现在想将这些chars 转换为numeric 甚至integer。但是，点字符 (.) 不是十进制符号，而是“千位分隔符”（它是德语）。

如何正确转换数据框？

我试过这个：

df2 <- as.data.frame(apply(df1, 2, gsub, pattern = "([0-9])\\.([0-9])", replacement= "\\1\\2"))

df3 <- as.data.frame(data.matrix(df2))

然而，apply 似乎将每一列转换为一个因子列表。我可以阻止apply 这样做吗？

【问题讨论】：

如果问题是值包含货币，那么该问题也已使用 read.* 函数在数据输入级别解决：stackoverflow.com/questions/10823241/…
查看这些问题的答案和此处提供的解决方案（我会接受其中一个 - 我使用了我自己发布的那个，但@juba 的解决方案似乎也有效），我认为它是不是重复的...
要解决的问题是不是他的答案是否重复，而是问题是否重复。您应该在发布问题之前进行更多搜索。
我在发帖前找到了stackoverflow.com/questions/2347410/…：OP想要删除一个逗号，我想删除一个dot，我也无法将此线程中的答案翻译成我的问题。我之前没有找到stackoverflow.com/questions/10823241/…，但这解决了一个完全不同的问题。我在发布之前做了很多搜索（信不信由你）。

标签： r excel decimal apply separator

【解决方案1】：

你可以用这个：

sapply(df, function(v) {as.numeric(gsub("\\.","", as.character(v)))})

这给出了：

        A       B    C
[1,] 1100    7800  200
[2,] 2300     500 3100
[3,] 5400 1000000 4500

这将为您提供一个 matrix 对象，但如果您愿意，您可以将其包装到 data.frame() 中。

请注意，原始数据中的列不是字符而是因子。

编辑：或者，您可以不使用data.frame() 包装它，而是直接将结果作为data.frame：

# the as.character(.) is just in case it's loaded as a factor
df[] <- lapply(df, function(x) as.numeric(gsub("\\.", "", as.character(x))))

【讨论】：

哦，你是对的 - 糟糕的最小示例。在“真实”数据中，它们是字符。

【解决方案2】：

我想我刚刚找到了另一个解决方案：

必须使用stringsAsFactors = FALSE。

像这样：

df2 <- as.data.frame(apply(df1, 2, gsub, pattern = "([0-9])\\.([0-9])", replacement= "\\1\\2"), stringsAsFactors = FALSE)

df3 <- as.data.frame(data.matrix(df2))

【讨论】：

我猜这只会替换 2 个点？
为什么你认为只有 2 个点？刚刚用structure(list(A = c("800.000.000.000", "2.034.312.421", "321.325.123.234" ), B = c("800.000.000.000", "2.034.312.421", "321.325.123.234" ), C = c("800.000.000.000", "2.034.312.421", "321.325.123.234" )), .Names = c("A", "B", "C"), row.names = c(NA, -3L), class = "data.frame") 试了一下——所有的点都被替换了。
是的，对不起，我不知道我为什么这么说。但是，如果数字是“.578”，这将不起作用，对吧？
我认为它也应该可以工作。原则上，这会为数据框中的每个x 运行命令gsub("([0-9])\\.([0-9])", "\\1\\2", x)。换句话说，该函数搜索所有模式<digit1>.<digit2> 并将它们替换为<digit1><digit2>。这应该适用于所有数字 - 像<digit1>.<digit2>.<digit3> 这样的模式可能会出现问题，但这里的点无论如何都不是千位分隔符。
可能是因为个人结合 ;-)