R中的数据预处理和清理答案

【问题标题】：Data Pre-Processing and cleaning in RR中的数据预处理和清理
【发布时间】：2016-02-27 05:35:49
【问题描述】：

我的数据集中有一列Expected_Stipend，如下所示

Expected_Stipend<-c("5-10K","10k+","No Expectations")

我想清理 k 、 + 并想替换 No expectations 并且我想使用 R 将此列转换为数字列？

原始数据有很多条目。

【问题讨论】：

预期输出是什么？ 5-10K中还有-
不确定您的预期输出。如果你想让5-10K变成510，那么as.numeric(gsub("\\D+", "", Expected_Stipend))#[1] 510 10 NA
不，我不希望 5-10 变成 510 我宁愿用 5 到 10 的中位数替换它
我发布了一个解决方案，请检查。

标签： r data-management data-cleaning

【解决方案1】：

我们可以使用library(stringr)中的str_extract_all提取所有数字元素，得到median

library(stringr)
sapply(str_extract_all(Expected_Stipend, '\\d+'), 
              function(x) median(as.numeric(x)))
#[1]  7.5 10.0   NA

或使用gsubfn

library(gsubfn)
as.numeric(gsub("[^0-9.]+", "",
  gsubfn("([0-9]+)[^0-9]+([0-9]+).*", ~median(as.numeric(c(x,y))),
                  Expected_Stipend)))
#[1]  7.5 10.0   NA

更新

如果我们需要将5-10K 替换为5

as.numeric(sub("^\\D*(\\d+).*", "\\1", Expected_Stipend))
#[1]  5 10 NA

【讨论】：

太棒了......谢谢......还有一个问题，如果我想用 5 替换 5-7 怎么办