重新格式化R中的杂乱数据帧列

Question

我从CSV文件导入了一个奇数格式的数值数据。这里是我正在使用的数据帧的可重复的例子：

df <- data.frame("r1" = c(1,2,3,4,5), "r2" = c(1,2.01,-3,"-","2,000")) 

“R2”包含底片的迹象，例如值“ - ”，以零表示的值为零 - “ - ”。要运行在这个混乱的R2列中的某些数值分析，我将需要：

1. 替换“ - ”用零“0”，同时避免消除在负值前面的 负号。
2. 避免强制NIA等“2,000”等合法值。出于某种原因，当我运行命令时：foo$row2<- as.numeric(sub("-",0,foo$row2)) R将用逗号格式化的值强制转发到NAs，从而破坏列中的数据。

下面是输出的一个例子运行foo$row2<- as.numeric(sub("-",0,foo$row2))后：

Warning message: 
NAs introduced by coercion 
    r1 r2 
1 1 1.00 
2 2 2.01 
3 3 3.00 
4 4 0.00 
5 5 NA 

正如你所看到的， “2000” 被裹挟NA。 -3被错误地转换为3（破折号删除）。但是，嘿，至少我们摆脱了第3行中的“ - ”，对！

下面是最终我想生产什么：

r1 r2 
1 1 1.00 
2 2 2.01 
3 3 -3.00 
4 4 0.00 
5 5 2000 

注意，从5行中的逗号被删除。列r2应该格式化，以便我可以在其上运行诸如sum(df$r2)的命令。

Answer 1

您的方法很完善。只需运行两次替换，一次删除任何仅仅是破折号的东西，再一次删除任何逗号。

df$r2<-as.numeric(gsub('^-$','0',gsub(',','',df$r2))) 

而且，如果你不熟悉正则表达式，通过^-$我的意思是仅删除开头的字符串（^），有一个破折号，然后结束（$）。

Answer 2

nograpes的解决方案是远远冷却器：

## df <- data.frame("r1" = c(1,2,3,4,5), "r2" = c(1,2.01,-3,"-","2,000")) 

df$r2 <- as.numeric(gsub(",", "", df$r2)) 
df$r2[is.na(df$r2)] <- 0 

## r1  r2 
## 1 1 1.00 
## 2 2 2.01 
## 3 3 -3.00 
## 4 4 0.00 
## 5 5 2000.00