R - 识别哪些列包含货币数据 $答案

【问题标题】：R - identify which columns contain currency data $R - 识别哪些列包含货币数据 $
【发布时间】：2018-07-16 23:58:39
【问题描述】：

我有一个非常大的数据集，其中一些列格式化为货币、一些数字、一些字符。在读取数据时，所有货币列都被标识为因子，我需要将它们转换为数字。数据集太宽，无法手动识别列。我试图找到一种编程方式来识别列是否包含货币数据（例如以“$”开头），然后传递要清理的列列表。

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

clean <- function(ttt){
as.numeric(gsub('[^a-zA-z0-9.]','', ttt))
}
sapply(emp_data, clean)

此示例中的问题是，此 sapply 适用于所有列，导致名称列被替换为 NA。我需要一种以编程方式仅识别需要应用清理函数的列的方法。在这个示例中，薪水。

【问题讨论】：

标签： r currency data-cleaning

【解决方案1】：

使用dplyr 和stringr 包，您可以使用mutate_if 来识别具有以$ 开头的任何字符串的列，然后进行相应的更改。

library(dplyr)
library(stringr)

emp_data %>%
  mutate_if(~any(str_detect(., '^\\$'), na.rm = TRUE),
            ~as.numeric(str_replace_all(., '[$,]', '')))

【讨论】：

谢谢 zack，这非常简洁，完全符合我的要求！
@zack ~ 做什么？
~as.numeric(str_replace_all(., '[$,]', '')) 可以替换为 readr::parse_number
@Aurèle，是的，我不明白为什么不这样做。 @Ben G，它标志着 purrr 风格的匿名函数的开始。 Quick blurb here if you're interested。 . 指的是输入列。
发现 1 个错误。如果数据框有数字或整数列，则代码错误。我不熟悉使用这些包，有没有办法为这些列添加转义。

【解决方案2】：

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)

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3】：

基本 R 选项是使用 startsWith 检测美元列，并使用 gsub 从列中删除 "$" 和 ","。

doll_cols <- sapply(emp_data, function(x) any(startsWith(as.character(x), '$')))
emp_data[doll_cols] <- lapply(emp_data[doll_cols], 
                              function(x) as.numeric(gsub('\\$|,', '', x)))

【讨论】：