grep 排除多列 R答案

【问题标题】：grep exclude multiple columns Rgrep 排除多列 R
【发布时间】：2016-12-25 23:45:18
【问题描述】：

我有几个表格，其中包含多列数字数据。列数可以变化。每个表有 3 列（Player、Team、Pos），它们没有数字数据。我想出了以下方法将除上述 3 之外的每一列都转换为数字，但我遇到了一个我无法解释的错误。

这里是函数

qb2 <- qb %>% mutate_at(grep("^(`?!`Player|`?!`Team|`?!`Pos).*$",
    colnames(.)),funs(as.numeric))

当以这种方式运行时，我在 Player, Team & Position 中得到 NA 故障排除我可以让它像这样部分工作

qb2 <- qb %>% mutate_at(grep("^(`?!`Player|Team|`?!`Pos).*$", 
    colnames(.)),funs(as.numeric))

Player 和 Pos 显示正确，但 Team 仍然是 NA 我不确定为什么从 Team 中删除 ?! 会部分起作用。

让我知道导致 grep/exclude 失败的原因。

样本数据

structure(list(Player = c("Matt Schaub", "Jimmy Garoppolo", "Tom Savage", 
"Dan Orlovsky", "Cardale Jones", "Ryan Griffin", "Sean Mannion", 
"Luke McCown", "Scott Tolzien", "Dak Prescott", "Brandon Allen", 
"Garrett Grayson", "AJ McCarron", "Joe Callahan", "Matt Moore", 
"Matt Barkley", "Blake Bortles", "Stephen Morris", "Sean Renfree", 
"Mark Sanchez", "Jameill Showers", "Thad Lewis", "Jameis Winston", 
"Kellen Clemens", "Chad Henne", "Derek Anderson", "Bryce Petty", 
"Teddy Bridgewater", "Ryan Mallett", "EJ Manuel", "Nate Sudfeld", 
"Joe Webb", "Carson Wentz", "Trevor Siemian", "Mike Glennon", 
"Josh Johnson", "Joe Licata", "Brian Hoyer", "Geno Smith", "Joel Stave", 
"Ryan Nassib", "Paxton Lynch", "Ryan Fitzpatrick", "Jake Rudock", 
"Connor Cook", "Robert Griffin III", "Alex Tanney", "Brandon Doughty", 
"Philip Rivers", "Blaine Gabbert", "Case Keenum", "Matthew Stafford", 
"Matt Cassel", "Landry Jones", "Marquise Williams", "Colt McCoy", 
"Shaun Hill", "Aaron Murray", "Dustin Vaughan", "Tyler Bray", 
"Mike Bercovici", "Marcus Mariota", "Derek Carr", "Drew Stanton", 
"Matt McGloin", "Kirk Cousins", "Jared Goff", "Carson Palmer", 
"Drew Brees", "Nick Foles", "Cam Newton", "Alex Smith", "Russell Wilson", 
"Jake Heaps", "Andy Dalton", "Austin Davis", "David Fales", "Keith Wenning", 
"Brock Osweiler", "Bruce Gradkowski", "Zach Mettenberger", "Kevin Hogan", 
"Jeff Driskel", "Jay Cutler", "Connor Shaw", "Jake Coker", "Zac Dysert", 
"Chase Daniel", "Cody Kessler", "Logan Thomas", "Ryan Tannehill", 
"McLeod Bethel-Thompson", "Jerrod Johnson", "Tyrod Taylor", "Josh McCown", 
"Sam Bradford", "Matt Ryan", "Matt Simms"), Team = c("ATL", "NE", 
"HOU", "DET", "BUF", "TB", "LA", "NO", "IND", "DAL", "JAX", "NO", 
"CIN", "GB", "MIA", "ARI", "JAX", "IND", "ATL", "DEN", "DAL", 
"SF", "TB", "SD", "JAX", "CAR", "NYJ", "MIN", "BAL", "BUF", "WAS", 
"CAR", "PHI", "DEN", "TB", "BAL", "CIN", "CHI", "NYJ", "MIN", 
"NYG", "DEN", "NYJ", "DET", "OAK", "CLE", "TEN", "MIA", "SD", 
"SF", "LA", "DET", "TEN", "PIT", "GB", "WAS", "MIN", "KC", "PIT", 
"KC", "SD", "TEN", "OAK", "ARI", "OAK", "WAS", "LA", "ARI", "NO", 
"KC", "CAR", "KC", "SEA", "SEA", "CIN", "CLE", "CHI", "CIN", 
"HOU", "PIT", "SD", "KC", "SF", "CHI", "CHI", "ARI", "MIA", "PHI", 
"CLE", "NYG", "MIA", "PHI", "BAL", "BUF", "CLE", "PHI", "ATL", 
"ATL"), Pos = c("QB", "QB", "QB", "QB", "QB", "QB", "QB", "QB", 
"QB", "QB", "QB", "QB", "QB", "QB", "QB", "QB", "QB", "QB", "QB", 
"QB", "QB", "QB", "QB", "QB", "QB", "QB", "QB", "QB", "QB", "QB", 
"QB", "QB", "QB", "QB", "QB", "QB", "QB", "QB", "QB", "QB", "QB", 
"QB", "QB", "QB", "QB", "QB", "QB", "QB", "QB", "QB", "QB", "QB", 
"QB", "QB", "QB", "QB", "QB", "QB", "QB", "QB", "QB", "QB", "QB", 
"QB", "QB", "QB", "QB", "QB", "QB", "QB", "QB", "QB", "QB", "QB", 
"QB", "QB", "QB", "QB", "QB", "QB", "QB", "QB", "QB", "QB", "QB", 
"QB", "QB", "QB", "QB", "QB", "QB", "QB", "QB", "QB", "QB", "QB", 
"QB", "QB"), `
Comp` = c("10", "11", "14", "16", "11", "13", 
"18", "18", "12", "10", "10", "10", "11", "16", "10", "8", "6", 
"5", "5", "10", "8", "12", "7", "8", "8", "7", "7", "6", "11", 
"10", "10", "9", "12", "7", "7", "8", "3", "7", "8", "8", "7", 
"6", "3", "8", "7", "4", "6", "7", "2", "4", "6", "4", "3", "6", 
"6", "7", "6", "3", "6", "3", "3", "5", "3", "2", "5", "5", "4", 
"3", "1", "4", "5", "3", "3", "3", "4", "4", "4", "3", "4", "3", 
"2", "2", "4", "3", "2", "2", "1", "4", "2", "2", "2", "1", "1", 
"2", "1", "1", "0", "0"), `
Att` = c("15", "18", "24", "25", 
"21", "23", "25", "27", "23", "12", "19", "16", "16", "23", "14", 
"24", "7", "9", "9", "13", "16", "21", "9", "15", "9", "14", 
"14", "7", "15", "18", "15", "16", "24", "12", "14", "11", "7", 
"10", "14", "13", "15", "7", "4", "11", "11", "8", "10", "9", 
"3", "10", "7", "6", "5", "12", "14", "11", "7", "5", "11", "9", 
"6", "5", "7", "6", "11", "5", "9", "5", "1", "8", "6", "4", 
"6", "10", "5", "9", "8", "8", "7", "3", "8", "6", "12", "4", 
"4", "5", "2", "10", "2", "3", "4", "1", "2", "3", "4", "1", 
"4", "3"), `
Pct` = c("66.7", "61.1", "58.3", "64.0", "52.4", 
"56.5", "72.0", "66.7", "52.2", "83.3", "52.6", "62.5", "68.8", 
"69.6", "71.4", "33.3", "85.7", "55.6", "55.6", "76.9", "50.0", 
"57.1", "77.8", "53.3", "88.9", "50.0", "50.0", "85.7", "73.3", 
"55.6", "66.7", "56.3", "50.0", "58.3", "50.0", "72.7", "42.9", 
"70.0", "57.1", "61.5", "46.7", "85.7", "75.0", "72.7", "63.6", 
"50.0", "60.0", "77.8", "66.7", "40.0", "85.7", "66.7", "60.0", 
"50.0", "42.9", "63.6", "85.7", "60.0", "54.5", "33.3", "50.0", 
"100.0", "42.9", "33.3", "45.5", "100.0", "44.4", "60.0", "100.0", 
"50.0", "83.3", "75.0", "50.0", "30.0", "80.0", "44.4", "50.0", 
"37.5", "57.1", "100.0", "25.0", "33.3", "33.3", "75.0", "50.0", 
"40.0", "50.0", "40.0", "100.0", "66.7", "50.0", "100.0", "50.0", 
"66.7", "25.0", "100.0", "0.0", "0.0"), `
Att/G` = c("15.0", 
"18.0", "24.0", "25.0", "21.0", "23.0", "25.0", "27.0", "23.0", 
"12.0", "19.0", "16.0", "16.0", "23.0", "14.0", "24.0", "7.0", 
"9.0", "9.0", "13.0", "16.0", "21.0", "9.0", "15.0", "9.0", "14.0", 
"14.0", "7.0", "15.0", "18.0", "15.0", "16.0", "24.0", "12.0", 
"14.0", "11.0", "7.0", "10.0", "14.0", "13.0", "15.0", "7.0", 
"4.0", "11.0", "11.0", "8.0", "10.0", "9.0", "3.0", "10.0", "7.0", 
"6.0", "5.0", "12.0", "14.0", "11.0", "7.0", "5.0", "11.0", "9.0", 
"6.0", "5.0", "7.0", "6.0", "11.0", "5.0", "9.0", "5.0", "1.0", 
"8.0", "6.0", "4.0", "6.0", "10.0", "5.0", "9.0", "8.0", "8.0", 
"7.0", "3.0", "8.0", "6.0", "12.0", "4.0", "4.0", "5.0", "2.0", 
"10.0", "2.0", "3.0", "4.0", "1.0", "2.0", "3.0", "4.0", "1.0", 
"4.0", "3.0"), `
Yds` = c("179", "168", "168", "164", "162", 
"148", "147", "143", "140", "139", "138", "133", "125", "124", 
"122", "121", "105", "104", "101", "99", "99", "97", "97", "96", 
"94", "93", "93", "92", "91", "91", "89", "89", "89", "88", "83", 
"83", "82", "81", "79", "76", "75", "74", "72", "72", "71", "67", 
"67", "66", "64", "63", "58", "58", "55", "55", "55", "53", "52", 
"52", "50", "48", "46", "45", "44", "42", "41", "39", "38", "38", 
"37", "37", "36", "36", "34", "33", "32", "32", "30", "28", "27", 
"22", "22", "21", "20", "18", "17", "16", "16", "15", "15", "12", 
"8", "7", "7", "7", "5", "3", "0", "0"), `
Avg` = c("11.9", "9.3", 
"7.0", "6.6", "7.7", "6.4", "5.9", "5.3", "6.1", "11.6", "7.3", 
"8.3", "7.8", "5.4", "8.7", "5.0", "15.0", "11.6", "11.2", "7.6", 
"6.2", "4.6", "10.8", "6.4", "10.4", "6.6", "6.6", "13.1", "6.1", 
"5.1", "5.9", "5.6", "3.7", "7.3", "5.9", "7.5", "11.7", "8.1", 
"5.6", "5.8", "5.0", "10.6", "18.0", "6.5", "6.5", "8.4", "6.7", 
"7.3", "21.3", "6.3", "8.3", "9.7", "11.0", "4.6", "3.9", "4.8", 
"7.4", "10.4", "4.5", "5.3", "7.7", "9.0", "6.3", "7.0", "3.7", 
"7.8", "4.2", "7.6", "37.0", "4.6", "6.0", "9.0", "5.7", "3.3", 
"6.4", "3.6", "3.8", "3.5", "3.9", "7.3", "2.8", "3.5", "1.7", 
"4.5", "4.3", "3.2", "8.0", "1.5", "7.5", "4.0", "2.0", "7.0", 
"3.5", "2.3", "1.3", "3.0", "0.0", "0.0"), `
Yds/G` = c("179.0", 
"168.0", "168.0", "164.0", "162.0", "148.0", "147.0", "143.0", 
"140.0", "139.0", "138.0", "133.0", "125.0", "124.0", "122.0", 
"121.0", "105.0", "104.0", "101.0", "99.0", "99.0", "97.0", "97.0", 
"96.0", "94.0", "93.0", "93.0", "92.0", "91.0", "91.0", "89.0", 
"89.0", "89.0", "88.0", "83.0", "83.0", "82.0", "81.0", "79.0", 
"76.0", "75.0", "74.0", "72.0", "72.0", "71.0", "67.0", "67.0", 
"66.0", "64.0", "63.0", "58.0", "58.0", "55.0", "55.0", "55.0", 
"53.0", "52.0", "52.0", "50.0", "48.0", "46.0", "45.0", "44.0", 
"42.0", "41.0", "39.0", "38.0", "38.0", "37.0", "37.0", "36.0", 
"36.0", "34.0", "33.0", "32.0", "32.0", "30.0", "28.0", "27.0", 
"22.0", "22.0", "21.0", "20.0", "18.0", "17.0", "16.0", "16.0", 
"15.0", "15.0", "12.0", "8.0", "7.0", "7.0", "7.0", "5.0", "3.0", 
"0.0", "0.0"), `
TD` = c("0", "0", "2", "1", "1", "0", "3", "1", 
"1", "2", "0", "0", "1", "1", "1", "0", "0", "1", "0", "1", "0", 
"0", "1", "0", "0", "1", "0", "1", "1", "1", "1", "0", "0", "0", 
"0", "0", "0", "0", "1", "0", "0", "0", "0", "1", "0", "0", "0", 
"0", "1", "1", "0", "0", "0", "1", "0", "0", "0", "0", "0", "0", 
"0", "0", "0", "0", "2", "0", "0", "0", "0", "0", "0", "0", "0", 
"0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", 
"1", "0", "1", "0", "0", "0", "0", "0", "0", "0", "0", "0"), 
    `
Int` = c("0", "0", "0", "1", "0", "2", "1", "1", "0", "0", 
    "1", "1", "0", "0", "1", "1", "0", "0", "0", "1", "0", "0", 
    "0", "0", "0", "0", "0", "0", "1", "0", "0", "0", "1", "0", 
    "1", "0", "1", "1", "0", "1", "2", "0", "0", "0", "0", "1", 
    "0", "0", "0", "0", "0", "0", "0", "0", "1", "0", "0", "0", 
    "0", "0", "1", "0", "0", "1", "0", "0", "1", "0", "0", "0", 
    "0", "0", "1", "0", "0", "0", "0", "1", "0", "0", "1", "1", 
    "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", 
    "0", "0", "0", "0"), `
1st` = c("5", "7", "10", "10", "6", 
    "6", "10", "7", "5", "7", "4", "6", "5", "9", "5", "7", "4", 
    "3", "3", "5", "2", "6", "5", "4", "5", "5", "5", "4", "5", 
    "4", "5", "3", "2", "3", "4", "5", "3", "2", "4", "6", "4", 
    "4", "2", "3", "2", "2", "2", "3", "2", "2", "2", "3", "2", 
    "1", "4", "1", "4", "2", "2", "2", "2", "1", "2", "2", "2", 
    "2", "3", "2", "1", "2", "3", "2", "3", "3", "2", "2", "1", 
    "1", "1", "1", "1", "1", "0", "1", "1", "1", "1", "0", "1", 
    "0", "0", "0", "0", "0", "0", "0", "0", "0"), `
1st%` = c("33.3", 
    "38.9", "41.7", "40.0", "28.6", "26.1", "40.0", "25.9", "21.7", 
    "58.3", "21.1", "37.5", "31.3", "39.1", "35.7", "29.2", "57.1", 
    "33.3", "33.3", "38.5", "12.5", "28.6", "55.6", "26.7", "55.6", 
    "35.7", "35.7", "57.1", "33.3", "22.2", "33.3", "18.8", "8.3", 
    "25.0", "28.6", "45.5", "42.9", "20.0", "28.6", "46.2", "26.7", 
    "57.1", "50.0", "27.3", "18.2", "25.0", "20.0", "33.3", "66.7", 
    "20.0", "28.6", "50.0", "40.0", "8.3", "28.6", "9.1", "57.1", 
    "40.0", "18.2", "22.2", "33.3", "20.0", "28.6", "33.3", "18.2", 
    "40.0", "33.3", "40.0", "100.0", "25.0", "50.0", "50.0", 
    "50.0", "30.0", "40.0", "22.2", "12.5", "12.5", "14.3", "33.3", 
    "12.5", "16.7", "0.0", "25.0", "25.0", "20.0", "50.0", "0.0", 
    "50.0", "0.0", "0.0", "0.0", "0.0", "0.0", "0.0", "0.0", 
    "0.0", "0.0"), `
Lng` = c("68", "56", "24", "28T", "40", 
    "25", "16", "20", "42T", "32T", "27", "28", "40", "18", "51T", 
    "30", "45", "57T", "48", "32T", "47", "14", "26T", "17", 
    "36", "23", "21", "49T", "19T", "26", "28", "35", "19", "22", 
    "30", "29", "47", "28", "18", "22", "24", "22", "43", "27T", 
    "32", "49", "23", "24", "44T", "43T", "20", "30", "24", "29T", 
    "16", "19", "18", "25", "16", "23", "19", "31", "22", "32", 
    "19T", "11", "14", "30", "37", "19", "10", "20", "12", "13", 
    "9", "19", "13", "14", "12", "9", "14", "15", "11", "12", 
    "13", "13", "16T", "9", "10T", "7", "7", "7", "7", "5", "5", 
    "3", "--", "--"), `
20+` = c("2", "2", "4", "3", "3", "2", 
    "0", "1", "2", "2", "2", "3", "2", "0", "2", "2", "1", "1", 
    "2", "1", "1", "0", "2", "0", "1", "1", "2", "2", "0", "1", 
    "2", "1", "0", "2", "2", "1", "2", "2", "0", "1", "1", "1", 
    "2", "1", "1", "1", "1", "1", "2", "1", "1", "1", "1", "1", 
    "0", "0", "0", "1", "0", "2", "0", "1", "1", "1", "0", "0", 
    "0", "1", "1", "0", "0", "1", "0", "0", "0", "0", "0", "0", 
    "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", 
    "0", "0", "0", "0", "0", "0", "0", "0"), `
40+` = c("2", 
    "1", "0", "0", "1", "0", "0", "0", "1", "0", "0", "0", "1", 
    "0", "1", "0", "1", "1", "1", "0", "1", "0", "0", "0", "0", 
    "0", "0", "1", "0", "0", "0", "0", "0", "0", "0", "0", "1", 
    "0", "0", "0", "0", "0", "1", "0", "0", "1", "0", "0", "1", 
    "1", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", 
    "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", 
    "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", 
    "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", 
    "0"), `
Sck` = c("0", "2", "2", "0", "1", "1", "0", "2", 
    "0", "1", "1", "0", "1", "1", "3", "0", "1", "0", "0", "0", 
    "1", "1", "1", "0", "1", "1", "2", "1", "0", "1", "3", "2", 
    "0", "0", "1", "1", "1", "3", "0", "0", "4", "3", "1", "0", 
    "0", "0", "2", "1", "0", "0", "0", "1", "1", "1", "1", "0", 
    "0", "0", "3", "0", "0", "0", "0", "0", "0", "0", "1", "0", 
    "0", "0", "0", "0", "0", "0", "0", "0", "2", "0", "1", "0", 
    "2", "0", "0", "2", "0", "1", "0", "4", "3", "0", "0", "0", 
    "0", "0", "1", "0", "0", "0"), `
Rate` = c("107.4", "91.9", 
    "107.6", "79.4", "93.8", "39.8", "109.5", "76.6", "85.4", 
    "154.5", "54.3", "62.8", "112.8", "97.0", "92.0", "33.5", 
    "118.8", "133.6", "95.1", "91.5", "69.5", "68.9", "148.6", 
    "73.2", "110.2", "95.2", "71.4", "158.3", "82.9", "88.0", 
    "104.6", "72.1", "41.8", "81.2", "38.7", "94.1", "47.0", 
    "54.6", "97.0", "45.7", "22.2", "110.7", "116.7", "120.3", 
    "82.0", "39.1", "80.0", "97.2", "149.3", "95.0", "101.2", 
    "97.9", "97.9", "90.6", "24.4", "75.2", "97.6", "95.4", "66.5", 
    "52.1", "36.1", "104.2", "64.0", "19.4", "95.1", "99.2", 
    "17.1", "83.8", "118.8", "63.0", "91.7", "102.1", "27.8", 
    "40.8", "93.3", "53.9", "59.4", "8.3", "65.8", "97.2", "0.0", 
    "4.9", "42.4", "83.3", "61.5", "48.8", "116.7", "47.9", "137.5", 
    "74.3", "56.2", "95.8", "58.3", "70.1", "39.6", "79.2", "39.6", 
    "39.6")), .Names = c("Player", "Team", "Pos", "\nComp", "\nAtt", 
"\nPct", "\nAtt/G", "\nYds", "\nAvg", "\nYds/G", "\nTD", "\nInt", 
"\n1st", "\n1st%", "\nLng", "\n20+", "\n40+", "\nSck", "\nRate"
), class = "data.frame", row.names = c(NA, 98L))

【问题讨论】：

请提供数据或类似数据
qb2[] <- lapply(qb2, type.convert, as.is = TRUE)
您可能对来自 package readr 的 type_convert 感兴趣。

标签： r dplyr negate

【解决方案1】：

NA 来自“--”和“T”：

qb[,-c(1:3)] <- apply(qb[,-c(1:3)], 2, as.numeric)

一列有几个不是数字的值：

 Lng = c("68", "56", "24", "28T", "40", 
"25", "16", "20", "42T", "32T", "27", "28", "40", "18", "51T", 
"30", "45", "57T", "48", "32T", "47", "14", "26T", "17", 
"36", "23", "21", "49T", "19T", "26", "28", "35", "19", "22", 
"30", "29", "47", "28", "18", "22", "24", "22", "43", "27T", 
"32", "49", "23", "24", "44T", "43T", "20", "30", "24", "29T", 
"16", "19", "18", "25", "16", "23", "19", "31", "22", "32", 
"19T", "11", "14", "30", "37", "19", "10", "20", "12", "13", 
"9", "19", "13", "14", "12", "9", "14", "15", "11", "12", 
"13", "13", "16T", "9", "10T", "7", "7", "7", "7", "5", "5", 
"3", "--", "--"),

最终你想要这个：

qb[,-c(1:3)] <- apply(qb[,-c(1:3)], 2, function(x) gsub("--|T", "", x))

qb[,-c(1:3)] <- apply(qb[,-c(1:3)], 2, as.numeric)

【讨论】：

我得到了同样的结果。 Player Team 和 Pos 更改为 NA。关于额外的'，'有一个错误，但更正后得到以下inlineWarning messages: 1: In FUN(newX[, i], ...) : NAs introduced by coercion 2: In FUN(newX[, i], ...) : NAs introduced by coercion 3: In FUN(newX[, i], ...) : NAs introduced by coercion 4: In FUN(newX[, i], ...) : NAs introduced by coercion，
只执行上述第一步会发生什么？
实际上什么也没发生。 qb 表保持不变
如果很容易，非数字列是否总是在开头
是的，这是正确的，我希望除 Player、Pos 和 Team 之外的每一列都是数字，以便我可以对数字进行计算。

【解决方案2】：

这是一个使用来自dplyr 的one_of 函数的选项，one_of 接受一个字符向量作为列名，可以通过在前面用- 否定选择来从突变中排除：

df %>% 
      mutate_at(vars(-one_of(c("Player", "Team", "Pos"))), funs(as.numeric)) %>% 
      lapply(class)

# $Player
# [1] "character"

# $Team
# [1] "character"

# $Pos
# [1] "character"

# $`\nComp`
# [1] "numeric"

# $`\nAtt`
# [1] "numeric"

# other numeric columns here...

df %>% 
       mutate_at(vars(-one_of(c("Player", "Team", "Pos"))), funs(as.numeric)) %>% 
       head()

#           Player Team Pos \nComp \nAtt \nPct \nAtt/G \nYds \nAvg \nYds/G
#1     Matt Schaub  ATL  QB     10    15  66.7      15   179  11.9     179
#2 Jimmy Garoppolo   NE  QB     11    18  61.1      18   168   9.3     168
#3      Tom Savage  HOU  QB     14    24  58.3      24   168   7.0     168
#4    Dan Orlovsky  DET  QB     16    25  64.0      25   164   6.6     164
#5   Cardale Jones  BUF  QB     11    21  52.4      21   162   7.7     162
#6    Ryan Griffin   TB  QB     13    23  56.5      23   148   6.4     148
#  \nTD \nInt \n1st \n1st% \nLng \n20+ \n40+ \nSck \nRate
#1    0     0     5   33.3    68     2     2     0  107.4
#2    0     0     7   38.9    56     2     1     2   91.9
#3    2     0    10   41.7    24     4     0     2  107.6
#4    1     1    10   40.0    NA     3     0     0   79.4
#5    1     0     6   28.6    40     3     1     1   93.8
#6    0     2     6   26.1    25     2     0     1   39.8

一个更小的例子：

df <- data.frame(a = c("x", "y", "z"), b = c("m", "n", "l"), c = 1:3, d = 2:4)
df
#   a b c d
# 1 x m 1 2
# 2 y n 2 3
# 3 z l 3 4

df %>% mutate_at(vars(-one_of(c("a", "b"))), funs(.*2))
#   a b c d
# 1 x m 2 4
# 2 y n 4 6
# 3 z l 6 8

【讨论】：

这不适用于 OP 提供的 data.frame...besdies，“较小的示例”有两列是整数的因子 2。他的原始数据是数字和字符串的混合，所有这些都是字符。
我在对答案进行编辑之前发布了评论

【解决方案3】：

我会以长格式进行转换，然后再转为宽格式：

library(data.table)
setDT(dx)
dcast(melt(dx,id=c("Player","Team", "Pos"))[,value:=as.numeric(value)],
      Player+Team+Pos~variable)

dx 是您的 data.frame 之一。这可以很容易地推广到许多 data.frames，但这取决于您是否希望将最终结果作为聚合所有 data.frames 的单个 data.table。

【讨论】：