用数值替换数据框列中的字符值

Question

我正在研究 SAT 分数数据库：https://nycopendata.socrata.com/Education/SAT-Results/f9bf-2cp4?

这就是它的样子：

> head(SAT)
 DBN                                   SCHOOL.NAME Num.of.SAT.Test.Takers
1 01M292 HENRY STREET SCHOOL FOR INTERNATIONAL STUDIES                     29
2 01M448           UNIVERSITY NEIGHBORHOOD HIGH SCHOOL                     91
3 01M450                    EAST SIDE COMMUNITY SCHOOL                     70
4 01M458                     FORSYTH SATELLITE ACADEMY                      7
5 01M509                       MARTA VALLE HIGH SCHOOL                     44
6 01M515       LOWER EAST SIDE PREPARATORY HIGH SCHOOL                    112
  SAT.Critical.Reading.Avg..Score SAT.Math.Avg..Score SAT.Writing.Avg..Score
1                             355                 404                    363
2                             383                 423                    366
3                             377                 402                    370
4                             414                 401                    359
5                             390                 433                    384
6                             332                 557                    316

在 Num.of.SAT.Test.Takers 列中，许多值只是字符“s”。 's' 列的对应值也有 's' 并且没有数字分数。

> SATnocandidates<-SAT[SAT$Num.of.SAT=='s', ]
> head(SATnocandidates)
      DBN                                 SCHOOL.NAME Num.of.SAT.Test.Takers
23 02M392                  MANHATTAN BUSINESS ACADEMY                      s
24 02M393                   BUSINESS OF SPORTS SCHOOL                      s
26 02M399  THE HIGH SCHOOL FOR LANGUAGE AND DIPLOMACY                      s
39 02M427       MANHATTAN ACADEMY FOR ARTS & LANGUAGE                      s
41 02M437 HUDSON HIGH SCHOOL OF LEARNING TECHNOLOGIES                      s
42 02M438   INTERNATIONAL HIGH SCHOOL AT UNION SQUARE                      s
   SAT.Critical.Reading.Avg..Score SAT.Math.Avg..Score SAT.Writing.Avg..Score
23                               s                   s                      s
24                               s                   s                      s
26                               s                   s                      s
39                               s                   s                      s
41                               s                   s                      s
42                               s                   s                      s

问题

1. 在原始 SAT 数据帧中，我想用数字向量 0 替换 $Num.of.SAT 列中的所有 's' 值。
2. 随后，我想选择性地将相应列中的所有 's' 值替换为 0。
3. 如何编写一个总体命令来查找数据框中的所有 's' 值并将其替换为 0？

Answer 1

我的评论作为答案...

使用na.strings 参数读取您的数据。假设您已将数据集的 CSV 版本下载到“下载”目录，您将使用如下命令：

SAT <- read.csv("~/Downloads/SAT_Results.csv", na.strings = "s")

请注意，na.strings 参数是复数形式——您可以将多个值读入为 NA。

---

如果数据已经在您的 R 工作区中，另一种选择是通过强制来摆脱您的“s”值。这些列目前可能是因素或字符。如果您将它们转换为数字，“s”值将自动变为NA（您会收到警告，但警告只是告诉我们我们已经知道的内容）。

例如，假设我们从这里开始：

SAT <- read.csv("~/Downloads/SAT_Results.csv", na.strings = "s")

如果我们想对所有数字列（除前两列之外的所有列）应用我们的操作，我们可以这样做：

SAT[-c(1, 2)] <- lapply(SAT[-c(1, 2)], function(x) as.numeric(as.character(x)))

或者，如果您只想更改第三列，您可以使用以下内容：

SAT[[3]] <- as.numeric(as.character(SAT[[3]]))