在R中将字符转换为无数字强制的数字

Question

我正在R中工作，并且有数据框dd_2006和数字向量。当我第一次导入数据时，我需要从我的三个变量中删除$的小数点和一些空格：SumOfCost，SumOfCases和SumOfUnits。要做到这一点，我使用了str_replace_all。但是，一旦我使用str_replace_all，矢量被转换为字符。因此，我使用as.numeric（var）将矢量转换为数字，但引入了NAs，即使在运行as.numeric代码之前运行下面的代码时，向量中也没有NAs。

sum(is.na(dd_2006$SumOfCost)) 
[1] 0 
sum(is.na(dd_2006$SumOfCases)) 
[1] 0 
sum(is.na(dd_2006$SumOfUnits)) 
[1] 0 

这是我的代码从导入后，从移除向量的$开始。在str(dd_2006)输出中，为了空间的原因，我删除了一些变量，因此下面str_replace_all代码中的列#s与我在此处发布的输出不匹配（但它们是在原始代码中执行的）：

library("stringr") 
dd_2006$SumOfCost <- str_sub(dd_2006$SumOfCost, 2,) #2=the first # after the $ 

#Removes decimal pt, zero's after, and commas 
dd_2006[ ,9] <- str_replace_all(dd_2006[ ,9], ".00", "") 
dd_2006[,9] <- str_replace_all(dd_2006[,9], ",", "") 

dd_2006[ ,10] <- str_replace_all(dd_2006[ ,10], ".00", "") 
dd_2006[ ,10] <- str_replace_all(dd_2006[,10], ",", "") 

dd_2006[ ,11] <- str_replace_all(dd_2006[ ,11], ".00", "") 
dd_2006[,11] <- str_replace_all(dd_2006[,11], ",", "") 

str(dd_2006) 
'data.frame': 12604 obs. of 14 variables: 
$ CMHSP      : Factor w/ 46 levels "Allegan","AuSable Valley",..: 1 1 1 
$ FY      : Factor w/ 1 level "2006": 1 1 1 1 1 1 1 1 1 1 ... 
$ Population    : Factor w/ 1 level "DD": 1 1 1 1 1 1 1 1 1 1 ... 
$ SumOfCases    : chr "0" "1" "0" "0" ... 
$ SumOfUnits    : chr "0" "365" "0" "0" ... 
$ SumOfCost     : chr "0" "96416" "0" "0" ... 

，我发现类似的问题的响应来挖掘here，使用下面的代码：

# create dummy data.frame 
d <- data.frame(char = letters[1:5], 
       fake_char = as.character(1:5), 
       fac = factor(1:5), 
       char_fac = factor(letters[1:5]), 
       num = 1:5, stringsAsFactors = FALSE) 

让我们在data.frame一目了然

> d 
    char fake_char fac char_fac num 
1 a   1 1  a 1 
2 b   2 2  b 2 
3 c   3 3  c 3 
4 d   4 4  d 4 
5 e   5 5  e 5 

让我们运行：

> sapply(d, mode) 
     char fake_char   fac char_fac   num 
"character" "character" "numeric" "numeric" "numeric" 
> sapply(d, class) 
     char fake_char   fac char_fac   num 
"character" "character" "factor" "factor" "integer" 

现在你可能会问自己：“哪里出现异常？”好吧，我在R中碰到了很奇怪的东西，这并不是最混乱的东西，但它可能会让你困惑，尤其是如果你在躺在床上之前阅读它。

这里是：前两列是字符。我故意叫第二个fake_char。找出这个字符变量与Dirk在他的回复中创建的变量的相似性。它实际上是一个转换为字符的数字向量。第三和第四列是因子，最后一列是“纯粹”数字。

如果您使用转换函数，您可以将fake_char转换为数字，但不是char变量本身。

> transform(d, char = as.numeric(char)) 
    char fake_char fac char_fac num 
1 NA   1 1  a 1 
2 NA   2 2  b 2 
3 NA   3 3  c 3 
4 NA   4 4  d 4 
5 NA   5 5  e 5 
Warning message: 
In eval(expr, envir, enclos) : NAs introduced by coercion 
but if you do same thing on fake_char and char_fac, you'll be lucky, and get away with no NA's: 

变换（d，fake_char = as.numeric（fake_char） char_fac = as.numeric（char_fac））

char fake_char fac char_fac num 
1 a   1 1  1 1 
2 b   2 2  2 2 
3 c   3 3  3 3 
4 d   4 4  4 4 
5 e   5 5  5 5 

于是，我在我的脚本上述代码，但仍然拿出新生（没有关于强制的警告信息）。

#changing sumofcases, cost, and units to numeric 
dd_2006_1 <- transform(dd_2006, SumOfCases = as.numeric(SumOfCases), SumOfUnits = as.numeric(SumOfUnits), SumOfCost = as.numeric(SumOfCost)) 

> sum(is.na(dd_2006_1$SumOfCost)) 
[1] 12 
> sum(is.na(dd_2006_1$SumOfCases)) 
[1] 7 
> sum(is.na(dd_2006_1$SumOfUnits)) 
[1] 11 

我也用table(dd_2006$SumOfCases)等等看的意见，看看是否有我的看法错过任何字符，但没有发现任何。关于为什么新生儿出现，以及如何摆脱他们的任何想法？

Answer 1

正如Anando指出的那样，问题出在您的数据中，如果没有可重复的例子，我们无法真正帮助您。这就是说，这里的代码片段，帮助你拖住你的数据是造成你的问题记录：

test = as.character(c(1,2,3,4,'M')) 
v = as.numeric(test) # NAs intorduced by coercion 
ix.na = is.na(v) 
which(ix.na) # row index of our problem = 5 
test[ix.na] # shows the problematic record, "M" 

而不是猜测，为什么被引进来港的，拔出所导致问题的记录并直接/单独地解决它们，直到NAs消失。

更新：看起来问题在于您拨打str_replace_all。我不知道stringr库，但我认为你可以做到同样的事情gsub这样的：

v2 = c("1.00","2.00","3.00") 
gsub("\\.00", "", v2) 

[1] "1" "2" "3" 

我不完全知道这是什么，虽然完成：

sum(as.numeric(v2)!=as.numeric(gsub("\\.00", "", v2))) # Illustrate that vectors are equivalent. 

[1] 0 

除非本为你达到一些特定的目的，我建议完全从你的预处理中放弃这一步，因为它看起来没有必要，似乎给你带来了问题。

Answer 2

如果要将字符转换为数字，则首先将其转换为一个因子（使用as.factor）并保存/覆盖现有变量。接下来将此因子变量转换为数字（使用as.numeric）。您不会以这种方式创建NAs，并且可以将您拥有的数据集转换为数字。