从R中的数据框中删除特殊字符

Question

我是编程（和 R）新手，在尝试从数据框中删除某些字符时遇到了问题。我从共同基金导入了一个包含 NAV 数据的 csv。导入后，我留下了一个格式如下的数据框（名为 a）。两列的类都是因子。

Date             NAV
="03/08/2017"    ="€209.0537"
="02/08/2017"    ="€208.7831"
="01/08/2017"    ="€208.7373"
etc.

我只需要不带等号、双引号、â、“逗号”和“¬”的日期和资产净值价格：

Date             NAV
03/08/2017       209.0537
02/08/2017       208.7831
01/08/2017       208.7373

我尝试使用 gsub() 作为第一步删除第一个等号和双引号：

b <- gsub(pattern = "^=\"", replacement = "", x = a)

这给了我一个长度为 2 的字符向量，我不明白。我还尝试将列的类分别强制为“日期”和“数字”，但这完全弄乱了我的数据。

最后我想要一个日期为 YYYY-MM-DD 格式的 xts，但是当其他字符被删除时，我可以自己修复日期格式和转换为 xts。

感谢任何帮助。

Answer 1

我们可以遍历列，使用gsub匹配不是-或/或.或数字的字符并将其替换为空白（""），将结果分配回数据集并将第二列转换为数字

df1[] <- lapply(df1, function(x) gsub("[^-0-9/.]+", "", x))
df1[,2] <- as.numeric(df1[,2])
df1
#        Date      NAV
#1 03/08/2017 209.0537
#2 02/08/2017 208.7831
#3 01/08/2017 208.7373

如果这需要转换为xts

library(xts)
xts(df1[-1], order.by = as.Date(df1$Date, "%m/%d/%Y"))
#                NAV
#2017-01-08 208.7373
#2017-02-08 208.7831
#2017-03-08 209.0537

数据

df1 <- structure(list(Date = structure(c(3L, 2L, 1L), .Label = c("=\"01/08/2017\"", 
"=\"02/08/2017\"", "=\"03/08/2017\""), class = "factor"), NAV = structure(c(3L, 
 2L, 1L), .Label = c("=\"€208.7373\"", "=\"€208.7831\"",
 "=\"€209.0537\""
), class = "factor")), .Names = c("Date", "NAV"), row.names = c(NA, 
-3L), class = "data.frame")

Answer 2

readrpackage 有一个函数 parse_number，它可以完全满足您的要求，而无需制定正则表达式：

library(readr)    
parse_number("€209.0537")

产量

209.0537

根据需要。