读取 R 中的 csv 文件，货币列为数字答案

【问题标题】：Read csv file in R with currency column as numeric读取 R 中的 csv 文件，货币列为数字
【发布时间】：2011-11-12 08:41:50
【问题描述】：

我正在尝试将包含政治捐款信息的 csv 文件读入 R。据我了解，默认情况下将列作为因子导入，但我需要将数量列（数据集中的“CTRIB_AMT”）作为数字列导入，以便我可以运行各种不起作用的函数因素。该列被格式化为以“$”为前缀的货币。

我最初使用一个简单的读取命令来导入文件：

contribs <- read.csv('path/to/file')

然后尝试将 CTRIB_AMT 从货币转换为数字：

as.numeric(as.character(sub("$","",contribs$CTRIB_AMT, fixed=TRUE)))

但这没有用。我尝试用于 CTRIB_AMT 列的函数是：

vals<-sort(unique(dfr$CTRIB_AMT))
sums<-tapply( dfr$CTRIB_AMT, dfr$CTRIB_AMT, sum)
counts<-tapply( dfr$CTRIB_AMT, dfr$CTRIB_AMT, length)

查看相关问题here。

对于如何最初导入文件以使列是数字或导入后如何转换有什么想法？

【问题讨论】：

文件内容的一个小例子会很有帮助。
sub -> as.character -> as.numeric 转换应该可以解决问题。 “没用”是什么意思？
为我工作。 CTRIB_AMT <- factor(c("$5000","$2500","$100")); as.numeric(as.character(sub("$","",CTRIB_AMT, fixed=TRUE)))

标签： r currency symbols read.csv

【解决方案1】：

我不知道如何直接读入，但你可以修改它：

> A <- read.csv("~/Desktop/data.csv")
> A
  id   desc price
1  0  apple $1.00
2  1 banana $2.25
3  2 grapes $1.97
> A$price <- as.numeric(sub("\\$","", A$price))
> A
  id   desc price
1  0  apple  1.00
2  1 banana  2.25
3  2 grapes  1.97
> str(A)
'data.frame':   3 obs. of  3 variables:
 $ id   : int  0 1 2
 $ desc : Factor w/ 3 levels "apple","banana",..: 1 2 3
 $ price: num  1 2.25 1.97

我认为这可能只是你的潜艇失踪了。 $ 表示正则表达式中的行尾。 \$ 是美元符号。但是接下来你就得逃跑了……

【讨论】：

我一开始还以为也有逃跑的地方，但fixed=TRUE 解决了这个问题...
+1 我还找到了gsub( "[$,]", "",。 . .对于像"$1,234" 这样的数字很有用。
这不应该是公认的解决方案；它不如其他在读取时进行替换的解决方案，在读取时，返回数字，从而避免创建许多不必要的和唯一的字符串，这可能会在大文件上浪费 Mb/Gb，而且速度也较慢。

【解决方案2】：

另一种方法是使用 setAs 设置转换。
它被用于两个（相似的）问题：

满足您的需求：

setClass("Currency")
setAs("character", "Currency",
    function(from) as.numeric(sub("$","",from, fixed=TRUE)))

contribs <- read.csv("path/to/file", colClasses=c(CTRIB_AMT="Currency"))

【讨论】：

【解决方案3】：

很久以前解决的问题的另一种解决方案：

convertCurrency <- function(currency) {
  currency1 <- sub('$','',as.character(currency),fixed=TRUE)
  currency2 <- as.numeric(gsub('\\,','',as.character(currency1))) 
  currency2
}

contribs$CTRIB_AMT_NUM <- convertCurrency(contribs$CTRIB_AMT)

【讨论】：

【解决方案4】：

利用readr 包提供的强大解析器，开箱即用：

my_parser <- function(col) {
  # Try first with parse_number that handles currencies automatically quite well
  res <- suppressWarnings(readr::parse_number(col))
  if (is.null(attr(res, "problems", exact = TRUE))) {
    res
  } else {
    # If parse_number fails, fall back on parse_guess
    readr::parse_guess(col)
    # Alternatively, we could simply return col without further parsing attempt
  }
}

library(dplyr)

name <- c('john','carl', 'hank')
salary <- c('$23,456.33','$45,677.43','$76,234.88')
emp_data <- data.frame(name,salary)

emp_data %>% 
  mutate(foo = "USD13.4",
         bar = "£37") %>% 
  mutate_all(my_parser)

#   name   salary  foo bar
# 1 john 23456.33 13.4  37
# 2 carl 45677.43 13.4  37
# 3 hank 76234.88 13.4  37

【讨论】：

【解决方案5】：

或者使用 as.numeric(substr(as.character(contribs$CTRIB_AMT),2,20)) 这样的东西，我们知道肯定不会超过 20 个字符。

要注意的另一件事是，如果您在对read.csv() 的调用中设置stringsAsFactors=F，则可以完全消除转换因子的需要

【讨论】：

【解决方案6】：

现在也许是一个更现代的答案：

readr 包中的read_csv 有一个col_number() 解析器，可以处理逗号分隔符和货币符号。

只是用来解析一些从纳斯达克下载的股票数据：

# Downloaded from https://www.nasdaq.com/market-activity/stocks/amzn/historical
AMZN <- 
  read_csv("data/AMZN_HistoricalData_1640763915240.csv", 
    col_types = cols(
      Date = col_date(format = "%m/%d/%Y"),
      `Close/Last` = col_number(),
      Volume = col_integer(),
      Open = col_number(),
      High = col_number(),
      Low = col_number())
  )

【讨论】：