在 R 中使用 data.table 重新格式化多个变量答案

【问题标题】：reformat multiple variables with data.table in R在 R 中使用 data.table 重新格式化多个变量
【发布时间】：2020-08-18 03:10:15
【问题描述】：

所以我有一个包含数千个变量的数据表。数据不是很干净，所以我运行以下代码从我的dt 中删除所有- 和- 系列。

dt <- as.data.table(lapply(dt, function(x) {
  gsub("-+", "", x)
}))

但是，此代码将所有列转换为 character 向量。如果可能的话，我想将所有变量重新格式化为它们原来的 class 以及 class character 的任何变量为数字（所以在变量是数字但至少有一个观察值的情况下，@ 987654329@ 某处，例如123-。

这可以通过fwrite() 然后fread() 来完成，但我想避免只为了将其重新导入到同一个会话而编写一个临时文件，因为这会占用存储空间和时间。

示例：

假设你有以下数据：

library(data.table)

dt <- data.table(nums = 11:20,
                 char_nums = c(as.character(1:9), "10-"),
                 letters = letters[1:10])


# nums is of class integer, char_nums is of class character
str(dt)

目标是删除-的所有系列并让nums和char_nums属于classinteger，同时保留classcharacter属于letters。

【问题讨论】：

标签： r string data.table format numeric

【解决方案1】：

如果我们使用data.table，我们可以遍历Data.table的子集（.SD

library(data.table)
dt1 <- dt[, lapply(.SD, gsub, pattern = '-+', replacement = "")]
dt1 <- type.convert(dt1, as.is = TRUE)

str(dt1)
#Classes ‘data.table’ and 'data.frame': 10 obs. of  3 variables:
#$ nums     : int  11 12 13 14 15 16 17 18 19 20
#$ char_nums: int  1 2 3 4 5 6 7 8 9 10
#$ lett     : chr  "a" "b" "c" "d" ...

或者删除-后使用as.numeric

dt1 <- dt[, lapply(.SD, function(x) as.numeric(gsub("-+", "", x)))]

但是，只有在我们确定所有列的类型通常应为 numeric，但由于 - 而被更改时，我们才会这样做

【讨论】：

感谢您的回答，虽然您的代码确实替换了所有-，但所有列最后仍然属于character。
@cachdies 这是因为我们没有使用as.numeric 转换为numeric 或只是使用type.convert
简单添加as.numeric()的问题是最后一列被NA填满了，里面的所有信息都丢失了。
@cachdies 你检查了我的更新和答案。我没有简单地添加as.numeric。这是在使用 gsub 删除 - 并假设您的列只有 - 作为非数字值之后
@cachdies 抱歉，我没有检查您的新示例。我在想所有的列都应该是数字的。我的错.. 使用第一个 type.convert 否则必须在第二个代码中使用 if/else