根据 R 中的特定列名从字符向量中删除逗号
Posted
技术标签:
【中文标题】根据 R 中的特定列名从字符向量中删除逗号【英文标题】：Remove commas from character vectors based on specific column names in R 【发布时间】：2017-10-17 10:03:27 【问题描述】：我有一个大数据框。一个较小的子集如下：
structure(list(Date = c("2017-08-12", "2017-08-12", "2017-08-12"
), `Time (sec)` = c("19:01:04", "07:30:18", "04:29:38"), `4+DURATION` = c("26",
"58,000", "27"), `4+'000 (AVG)` = c("0.0000", "0.0000", "0.0000"),
`15+DURATION` = c("26", "57,000", "27"), `15+'000 (AVG)` = c("0.0000",
"0.0000", "0.0000")), .Names = c("Date", "Time (sec)", "4+DURATION",
"4+'000 (AVG)", "15+DURATION", "15+'000 (AVG)"), row.names = 3:5, class = "data.frame")
实际的数据框是这样的：
Date Time (sec) 4+DURATION 4+'000 (AVG) 15+DURATION 15+'000 (AVG)
3 2017-08-12 19:01:04 26 0.0000 26 0.0000
4 2017-08-12 07:30:18 58,000 0.0000 57,000 0.0000
5 2017-08-12 04:29:38 27 0.0000 27 0.0000
从第 3 列开始，其余列被存储为字符向量。我正在尝试将字符转换为数字。以下是我使用的代码。
cols.num <- names(dat[,-c(1:2)])
dat[cols.num] <- sapply(dat[cols.num],as.numeric)
dat 是我的数据框。这会强制两个持续时间列中的 NA 值，其中字符值中有一个额外的逗号。
我试图删除它
df[,unique(grep("DUR", names(df), value=T))] <- gsub(",","",df[,unique(grep("DUR", names(df), value=T))])
但这会创建一个像这样的df
Date Time (sec) 4+DURATION 4+'000 (AVG) 15+DURATION 15+'000 (AVG)
3 2017-08-12 19:01:04 c("26" "58000" "27") 0.0000 c("26" "57000" "27") 0.0000
4 2017-08-12 07:30:18 c("26" "57000" "27") 0.0000 c("26" "58000" "27") 0.0000
5 2017-08-12 04:29:38 c("26" "58000" "27") 0.0000 c("26" "57000" "27") 0.0000
但是想要的输出是：
Date Time (sec) 4+DURATION 4+'000 (AVG) 15+DURATION 15+'000 (AVG)
3 2017-08-12 19:01:04 26 0.0000 26 0.0000
4 2017-08-12 07:30:18 58000 0.0000 57000 0.0000
5 2017-08-12 04:29:38 27 0.0000 27 0.0000
这个数据框的问题是，我不知道哪一列会有duration值，而duration值的列名一直在变化，从4+DURATION到45+DURATION等等。我想去掉逗号在将向量应用到数字之前，从名称中包含 DURATION 的所有向量中提取。
【问题讨论】：
你需要*apply它。 gsub 未矢量化。 df[,unique(grep("DUR", names(df), value=T))] <- lapply(df[, unique(...))], function(i) gsub(...))
@Sotos 谢谢....明白了。我正在尝试申请……并陷入了永无止境的麻烦之中……可以接受这个作为答案。
【参考方案1】：
您需要将 *apply 它添加到感兴趣的列，因为 gsub（仅供参考，sub 在这里也可以使用）是不矢量化的，即
df[,unique(grep("DUR", names(df), value=T))] <-
lapply(df[,unique(grep("DUR", names(df), value=T))], function(i)
as.numeric(sub(',', '', i)))
给出，
Date Time (sec) 4+DURATION 4+'000 (AVG) 15+DURATION 15+'000 (AVG) 3 2017-08-12 19:01:04 26 0.0000 26 0.0000 4 2017-08-12 07:30:18 58000 0.0000 57000 0.0000 5 2017-08-12 04:29:38 27 0.0000 27 0.0000
#str(df)
#'data.frame': 3 obs. of 6 variables:
# $ Date : chr "2017-08-12" "2017-08-12" "2017-08-12"
# $ Time (sec) : chr "19:01:04" "07:30:18" "04:29:38"
# $ 4+DURATION : num 26 58000 27
# $ 4+'000 (AVG) : chr "0.0000" "0.0000" "0.0000"
# $ 15+DURATION : num 26 57000 27
# $ 15+'000 (AVG): chr "0.0000" "0.0000" "0.0000"
【讨论】：
【参考方案2】：dplyr 解决方案：
d <- structure(list(Date = c("2017-08-12", "2017-08-12", "2017-08-12"
), `Time (sec)` = c("19:01:04", "07:30:18", "04:29:38"), `4+DURATION` = c("26",
"58,000", "27"), `4+'000 (AVG)` = c("0.0000", "0.0000", "0.0000"),
`15+DURATION` = c("26", "57,000", "27"), `15+'000 (AVG)` = c("0.0000",
"0.0000", "0.0000")), .Names = c("Date", "Time (sec)", "4+DURATION",
"4+'000 (AVG)", "15+DURATION", "15+'000 (AVG)"), row.names = 3:5, class = "data.frame")
d2 <- d %>% mutate_at(vars(contains('DURATION')), funs(as.numeric(gsub(',', '', .))))
str(d2)
【讨论】：
您也可以使用mutate_at(vars(contains('DURATION')), ~as.numeric(gsub(',', '', .))) 使用更多最近的dplyr pkg 版本
感谢您的建议！以上是关于根据 R 中的特定列名从字符向量中删除逗号的主要内容，如果未能解决你的问题，请参考以下文章