当前位置：首页技术文章正文

关于 r：删除整个数据框中的句点/点 | 珊瑚贝

01-05 技术文章 272

Remove periods/dots in entire data frame

我有一个包含来自世界各地的参与者的大型数据集。其中一些参与者使用点/句点/逗号输入数据来表示千位分隔符，但 R 将它们读取为逗号，这完全扭曲了我的数据……
例如1234 变成 1,234。

我想删除所有的点/句点/逗号。我的数据完全由完整的数字组成，因此任何地方都不应该有任何小数。

我尝试使用 stringr，但不太明白。这是一个(我希望)可重复的示例，其中包含我的一小部分数据：

1
2
3
4
5
6
7
8
9
10
11
12
13
14

structure(
list(
chnb = c(10L, 35L, 55L),
B1_1_77 = c(117.586,
4022, 4.921),
C1_1_88 = c(NA, 2206, 1.111),
C1_1_99 = c(6.172,
1884, 0),
C1_3_99 = c(5.62, 129, 0)
),
row.names = c(NA,-3L),
class = c(“tbl_df”,
“tbl”,”data.frame”)
)

我试过这个：

1	prob1 <- prob %>% str_replace_all(‘\\\\.’, ”)

这给了我这个：

1
2
3

> prob
[1]”c(10, 35, 55)” “c(117586, 4022, 4921)””c(NA, 2206, 1111)”
[4]”c(6172, 1884, 0)” “c(562, 129, 0)”

它确实删除了点，但它给了我一个简单的列表，并且完全丢失了我的数据结构。在线搜索建议我这样做：

1	prob1 <- prob %>% mutate_all(list(str_replace(., ‘\\\\.’, ”)))

但我收到一条错误消息：

Error: .fn must be a length 1 string
Call rlang::last_error() to see a backtrace
In addition: Warning message:
In stri_replace_first_regex(string, pattern, fix_replacement(replacement), :
argument is not an atomic vector; coercing

我是不是把整件事都搞错了？任何帮助将不胜感激。我希望我的问题足够清楚，如果不是，我很抱歉(我是新手)。

我无法重现您的错误消息，但请尝试 prob %>% mutate_all(funs(str_replace_all(.,'[\\\\.,]’,”))) 删除所有 . 和 ,。在大多数 R 正则表达式情况下，您需要将转义的 \\\\ 加倍，如果您想做任何复杂的事情，mutate_all 通常需要一个函数的 funs() package器。
prob 是您发布 dput 的数据框吗？
@CriminallyVulgar 成功了！！！非常感谢你。我如何为您提供快速有效帮助的道具？
嗯，它可以工作，但现在我的变量是字符：/我试图将所有内容package在 as.numeric() 中，但收到一条错误消息： prob <- prob %>% as.numeric(mutate_all(funs(str_replace_all(.,’ [\\\\\\\\.,]’,”)))) UseMethod(“tbl_vars”) 中的错误：没有适用于”tbl_vars”的方法应用于”fun_list”类的对象
@camille，正确！
@Andrea不需要，我指出这是一个小调整。就您的整体需求而言，下面的答案可以更充分地满足它们！

您需要先转换为字符，然后替换，然后再转换回数字：

1
2
3
4
5
6
7
8
9
10

library(tidyverse)
dat %>%
mutate_all(~as.numeric(str_remove_all(as.character(.x), ‘\\\\.’)))

# A tibble: 3 x 5
chnb B1_1_77 C1_1_88 C1_1_99 C1_3_99
<dbl> <dbl> <dbl> <dbl> <dbl>
1 10 117586 NA 6172 562
2 35 4022 2206 1884 129
3 55 4921 1111 0 0

感谢@camille stringr::str_remove_all 的建议。

我还想到 R 可能会在您不打算在尾随零的情况下进行舍入。在您的示例中以 C1_3_99 的第一个条目 5.62 为例。这可能需要 5,620(如果句点是千位分隔符)，而不是我的第一个解决方案给出的 562。您可以使用格式化程序和深思熟虑的除法来处理这个问题：

1
2
3
4
5
6
7
8
9
10
11
12
13

dat %>%
mutate_all(~as.numeric(str_remove_all(format(round(.x, 3), nsmall = 3), ‘\\\\.’)) /
if_else(str_detect(.x,”\\\\.”), 1, 1000))

# A tibble: 3 x 5
chnb B1_1_77 C1_1_88 C1_1_99 C1_3_99
<dbl> <dbl> <dbl> <dbl> <dbl>
1 10 117586 NA 6172 5620
2 35 4022 2206 1884 129
3 55 4921 1111 0 0
Warning message:
In (function (…, .x = ..1, .y = ..2, . = ..1) :
NAs introduced by coercion

格式化程序确保小数点后有 3 位数字，但会为没有小数点的数字添加三个 0(从此处提取的格式代码)，因此如果不存在小数点，则除以 1000。欢迎在这里提供更优雅的解决方案。

作为快捷方式，stringr::str_remove_all 与 stringr::str_replace_all 相同，但替换为空字符
太感谢了！！这太棒了，完全解决了问题，同时仍然允许我将数据用作数字。很完美，非常感谢！
没问题 – 为了完整起见，我对某些边缘情况进行了小更新。我不确定它们是否适用于您的情况，但无论如何都想做一点挖掘。

尝试使用 sapply:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

df <- structure(
list(
chnb = c(10L, 35L, 55L),
B1_1_77 = c(117.586,
4022, 4.921),
C1_1_88 = c(NA, 2206, 1.111),
C1_1_99 = c(6.172,
1884, 0),
C1_3_99 = c(5.62, 129, 0)
),
row.names = c(NA,-3L),
class = c(“tbl_df”,
“tbl”,”data.frame”)
)

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

这是结果：

1
2
3
4

chnb B1_1_77 C1_1_88 C1_1_99 C1_3_99
[1,] 10 117586 NA 6172 562
[2,] 35 4022 2206 1884 129
[3,] 55 4921 1111 0 0

我希望这会有所帮助！

就像我们提醒提问者不要在图像中放置代码或打印输出文本一样，如果提问者可以这样做，这将很有帮助
此外，现在您有一个矩阵而不是数据框，并且保留其数据的结构是 OP 关心的一件事

来源：https://www.codenong.com/55026965/

微信公众号

手机浏览(小程序)

0

分享到：