R：从复杂数字/字符串混合数据集中的字符串数据的多个变量中提取数字的斜率

Question

我有来自德国经济小组 (SOEP) 的 18 个类似的数据框（每个代表一个调查年份），其中一部分是字符串，一部分是数字。变量（每个 DF 中超过 200 个）具有以下值

• 前 4 个是个人和家庭的数字标识符
• 有些是数字“-2”到“12”
• 有些是字符串类型 1，如“[1] Ja”或“[-2] Nein”
• 有些是字符串类型 2，如“[1] Jan Vollzeit erwerbst”。或“[-2] trifft nicht zu”

我已经尝试了sapply-command，但是我收到了一个可转换为没有 4 个标识符变量的数据帧的矩阵，并且我的数字周围仍然有括号（PKAL06 是我的起始 DF）。

PKs <- sapply(PKAL06[5:225], function(PKAL06) substr (PKAL06,1,3)) 
PKsD <- data.frame(PKs)

我也尝试了与 gsub 的组合，但它只给了我 NA 而不是字符串。

PKas <- sapply(PKAL06, 
   function(PKAL06) as.numeric(gsub("([0-9]+).*$", "\\1", PKAL06)))

理想情况下，有人可以给我一个提示，告诉我如何通过提取括号之间的内容来告诉 R 将整个（！）数据帧的字符串变量更改为数字变量。输出应该是与之前所有变量相同结构的数据框，而不是矩阵，而不是列表。

任何帮助将不胜感激。

Answer 1

我从SOEP website 得知数据是机密的，所以试试这个：

PKas <- sapply(PKAL06, 
   function(PKAL06) as.numeric(gsub("\\[([0-9|\\-]+)\\].+","\\1", PKAL06)))

上面的模式似乎适用于您的示例数据。

str <- c("[1] Ja","[-2] Nein")
as.numeric(gsub("\\[([0-9|\\-]+)\\].+","\\1",str))
# [1]  1 -2

str <- c("[1] Jan Vollzeit erwerbst.","[-2] trifft nicht zu")
as.numeric(gsub("\\[([0-9|\\-]+)\\].+","\\1",str))
# [1]  1 -2

您（似乎...）想要提取括号之间的内容。但是[ 是正则表达式语法中的一个特殊字符，所以你必须使用\\[ 或\\] 对其进行转义。上面的代码更进一步，只接受括号中的数字或-。