消除数据框中的双引号答案

【问题标题】：Elimating double Quotes in a Dataframe消除数据框中的双引号
【发布时间】：2022-01-11 15:29:34
【问题描述】：

我有一个包含 27 列的数据框。所有这些列的数据结构都类似于以下。

principal_amt <- c('"pa": "5975.00"', '"pa": "2285.00"', '"pa": "15822.00"')
closed_accounts <- c( '"ca": 0', '"ca": 3', '"ca": 0')
status <- c(' "loan_status": "Paid" ', ' "loan_status": "Funded"',' "loan_status": "Funded"')
DF <- data.frame(principal_amt, closed_accounts)

我想自动删除观察中存在的双引号，以便最终的数据框具有与此类似的结构。

principal_amt <- c(5975.00, 2285.00, 15822.00)
closed_accounts <- c(0, 3, 0)
status <- c('Paid','Funded','Funded')
DF_Final <- data.frame(principal_amt, closed_accounts)

我该怎么做？

【问题讨论】：

从"pa": "5975.00" 中删除双引号导致pa: 5975.00，而不是5975

标签： r regex text-parsing

【解决方案1】：

readr 包附带了一个方便的 parse_number 函数，用于此类用例。

library(tidyverse)

DF %>%
  mutate(across(.fns = parse_number))

  principal_amt closed_accounts
1          5975               0
2          2285               3
3         15822               0

名义变量的更新方法 - 提取匹配项。查看: " 后面，然后提取所有内容，直到单词边缘为空字符串。

DF %>%
  mutate(across(c(1,3), parse_number),
         across(2, str_extract, "(?<=: \").*\\b"))
 principal_amt status closed_accounts
1          5975   Paid               0
2          2285 Funded               3
3         15822 Funded               0

【讨论】：

编辑了问题以添加我最初省略的名义变量。如何重构整个数据框？
@Muli across 的第一个参数是要应用函数的列。遵循与以前相同的逻辑，删除所有行都相同的多余部分，如 load_status，可以使用正则表达式。我不是这些方面的专家，但这个似乎有效。提示：如果您在帖子中添加标签 regex，您很可能会迅速获得有效的解决方案。确保清楚地说明包含的边缘情况，例如新添加变量的第一个元素中的额外空间。
谢谢，我的代码已经运行，但是当我打印新数据框的结构时，状态列中的观察结果显示为“\”Paid”、”\“Funded”或“\ “取消”。你知道原因吗？
@Muli 可能是因为边缘情况并未全部涵盖。您可以尝试trimws 来读取字符串开头和开头的空格。
@DonaldSeinen trimws 确实是解决这个问题的方法。我的回答中也有。

【解决方案2】：

这样就可以了。

principal_amt <- gsub("[^0-9.-]", "", c('"pa": "5975.00"', '"pa": "2285.00"', '"pa": "15822.00"'))
closed_accounts <- gsub("[^0-9.-]", "",c( '"ca": 0', '"ca": 3', '"ca": 0'))
DF <- data.frame(principal_amt, closed_accounts)

【讨论】：

【解决方案3】：

基础 R

DF <- as.data.frame(apply(
  apply(DF, 2, gsub, pattern = '[^0-9.-]', replacement = ''), 2, as.numeric
))

输出

> str(DF)
'data.frame':   3 obs. of  2 variables:
 $ principal_amt  : num  5975 2285 15822
 $ closed_accounts: num  0 3 0

添加（在编辑 OP 的问题后）

如果data.frame 还包含数字变量旁边的字符变量，则以下应该有效。

adapt_df <- \(DF) {
  new_df <- as.data.frame(sapply(1:ncol(DF), \(i)  {
    trimws(gsub(pattern = ifelse(grepl('\\d', DF[, i]), '[^0-9.-]', '^\\s.*\\b.*:|\\s$|"')[i], replacement = '', DF[, i]))
  }))
  for(i in 1:ncol(DF)) {
    new_df[, i] <- ifelse(grepl('\\d', new_df[, i]), as.numeric(new_df[, i]), new_df[, i])
  }
  names(new_df) <- names(DF)
  return(new_df)
}
DF <- adapt_df(DF)

输出

> str(DF)
'data.frame':   3 obs. of  3 variables:
 $ principal_amt  : num  5975 2285 15822
 $ closed_accounts: num  0 3 0
 $ status         : chr  "Paid" "Funded" "Funded"

【讨论】：

在原始数据框中添加了一个分类变量。我该如何解决这个问题？
@Muli 我已经相应地修改了答案。
@Muli 小旁注：您还应该在问题中将status 添加到data.frame() ;-)
太好了，非常感谢