【问题标题】：Odd behaviour in replace()replace() 中的奇怪行为
【发布时间】：2019-03-26 11:48:46
【问题描述】：

我有一组环境数据 (env_PLI)，其中一个变量是 season_year。该变量的两个值是“2016 年秋季”和“2017 年夏季”。为了进行分析，我需要将变量从字符更改为数字，因此我尝试更改它，以便级别仅为 2016 年和 2017 年。但是，代码

env_PLI$season_year <- replace(env_PLI$season_year,
                       c("autumn 2016", "summer 2017"), c(2016, 2017))

给我错误

Error in `$<-.data.frame`(`*tmp*`, season_year, value = c("autumn 2016",  : 
  replacement has 52 rows, data has 50

我尝试用谷歌搜索它，但结果没有多大帮助，因为他们似乎大多说需要在使用 replace() 之前创建变量，但在我的情况下，我在现有变量上使用它。我在这里还有什么错吗？

【问题讨论】：

标签： r

【解决方案1】：

给定一个向量season_year <- c("A", "autumn 2016", "summer 2017") 调用

replace(season_year, c("autumn 2016", "summer 2017"), c(2016, 2017))

结果

#                                   autumn 2016   summer 2017 
# "A" "autumn 2016" "summer 2017"        "2016"        "2017"

当您查看 replace 的作用时

function (x, list, values) 
{
    x[list] <- values
    x
}

您可能会发现自己的错误：您将两个条目附加到向量中。这就是错误“替换有 52 行，数据有 50 行”的原因（在数据框中，每一列中的条目数必须相同）。

改用%in%

replace(season_year, season_year %in% c("autumn 2016", "summer 2017"), c(2016, 2017))
#[1] "A"    "2016" "2017"

注意

这种方法适用于上面的虚拟向量。如果 in 不适用于您的数据 1) 考虑给出一个最小的可重现示例，并且 2) 只需尝试

env_PLI$season_year[env_PLI$season_year == "autumn 2016"] <- "2016"
env_PLI$season_year[env_PLI$season_year == "autumn 2017"] <- "2017"

或者试试

env_PLI$season_year <- gsub("(autumn|summer)\\s+", "", env_PLI$season_year)
# similar to @Moody_Mudskipper's second solution

感谢@RichardTelford 和@Duckmayr。

【讨论】：

此解决方案将失败并显示season_year <- c("A", "autumn 2016", "summer 2017", "summer 2017") 。 plyr::mapvalues 直接替换原代码。
@RichardTelford 好点。不知道plyr::mapvalues。为什么不将您的评论变成答案？

【解决方案2】：

您可以考虑以下几种不同的选择：

readr::parse_number(c("autumn 2016", "summer 2017"))
# [1] 2016 2017
gsub("\\D","",c("autumn 2016", "summer 2017")) # could be wrapped into as.numeric
# [1] "2016" "2017"

【讨论】：

【解决方案3】：

Marcus 解释了为什么您对 replace 有疑问，但他给出的解决方案在某些情况下会失败。

有几种方法可以改变向量中的值。

season_year <- c("A", "autumn 2016", "summer 2017", "summer 2017")

plyr::mapvalues 是您原始代码的直接替代品。当我在 data.frame 中拥有 from 和 to 向量时，我发现这最有用，就像字典一样。

plyr::mapvalues(season_year, from = c("autumn 2016", "summer 2017"), to = c(2016, 2017))
[1] "A"    "2016" "2017" "2017"

dplyr::recode 接受新旧值对。

dplyr::recode(season_year, "autumn 2016" = "2016", "summer 2017" = "2017")
[1] "A"    "2016" "2017" "2017"

您可以使用正则表达式来提取年份。 \\d{4} 查找四位数字的序列。当数据需要清洗时，正则表达式非常强大。

gsub(pattern = ".*(\\d{4})", replacement = "\\1", season_year)
[1] "A"    "2016" "2017" "2017"

【讨论】：

【解决方案4】：

如果我误解了你的问题，请原谅我。

library(tidyverse)
dummydf<-data.frame(Id=c(1,2),Period=c("autumn 2006","spring 2007"))
#Change to character
dummydf %>% 
  mutate(Period=as.character(Period))
#Back to numeric
dummydf %>% 
  mutate(Period=as.numeric(Period))

或者也许这个

dummydf$Period %>% 
str_replace_all("autumn","")

【讨论】：