我在R中工作并且有一个带有数字向量的数据帧dd_2006.当我第一次导入数据时,我需要从3个变量中删除$,小数点和一些空格：SumOfCost,SumOfCases和SumOfUnits.为此,我使用了str_replace_all.但是,一旦我使用str_replace_all,矢量就被转换为字符.所以我使用as.numeric(var)将向量转换为数字,但引入了NAs,即使我在运行as.numeric代码之前运行下面的代码时,向量中也没有NA.

sum(is.na(dd_2006$SumOfCost))
[1] 0
sum(is.na(dd_2006$SumOfCases))
[1] 0
sum(is.na(dd_2006$SumOfUnits))
[1] 0

这是导入后的代码,从向量中删除$开始.在str(dd_2006)输出中,为了空间我删除了一些变量,所以下面str_replace_all代码中的列#s与我在这里发布的输出不匹配(但它们在原始代码中执行) ：

library("stringr")
dd_2006$SumOfCost <- str_sub(dd_2006$SumOfCost,2,) #2=the first # after the $

#Removes decimal pt,zero's after,and commas
dd_2006[,9] <- str_replace_all(dd_2006[,9],".00","")
dd_2006[,","")

dd_2006[,10] <- str_replace_all(dd_2006[,10],11] <- str_replace_all(dd_2006[,11],"")

str(dd_2006)
'data.frame':   12604 obs. of  14 variables:
 $CMHSP                     : Factor w/ 46 levels "Allegan","AuSable Valley",..: 1 1 1
 $FY                        : Factor w/ 1 level "2006": 1 1 1 1 1 1 1 1 1 1 ...
 $Population                : Factor w/ 1 level "DD": 1 1 1 1 1 1 1 1 1 1 ...
 $SumOfCases                : chr  "0" "1" "0" "0" ...
 $SumOfUnits                : chr  "0" "365" "0" "0" ...
 $SumOfCost                 : chr  "0" "96416" "0" "0" ...

我使用以下代码找到了对我的here类似问题的回复：

# create dummy data.frame
d <- data.frame(char = letters[1:5],fake_char = as.character(1:5),fac = factor(1:5),char_fac = factor(letters[1:5]),num = 1:5,stringsAsFactors = FALSE)

让我们一瞥data.frame

> d
  char fake_char fac char_fac num
1    a         1   1        a   1
2    b         2   2        b   2
3    c         3   3        c   3
4    d         4   4        d   4
5    e         5   5        e   5

让我们运行：

> sapply(d,mode)
       char   fake_char         fac    char_fac         num 
"character" "character"   "numeric"   "numeric"   "numeric" 
> sapply(d,class)
       char   fake_char         fac    char_fac         num 
"character" "character"    "factor"    "factor"   "integer"

现在你可能会问自己“哪里有异常？”好吧,我在R中碰到了很多奇怪的东西,这不是最令人困惑的东西,但它会让你感到困惑,特别是如果你在睡觉前读到这个.

这里说：前两列是字符.我故意称第二个为fake_char.发现这个角色变量与Dirk在回复中创建的变量的相似性.它实际上是一个转换为字符的数字向量.第3列和第4列是因子,最后一列是“纯粹”数字.

如果使用transform函数,则可以将fake_char转换为numeric,但不能转换为char变量本身.

> transform(d,char = as.numeric(char))
  char fake_char fac char_fac num
1   NA         1   1        a   1
2   NA         2   2        b   2
3   NA         3   3        c   3
4   NA         4   4        d   4
5   NA         5   5        e   5
Warning message:
In eval(expr,envir,enclos) : NAs introduced by coercion
but if you do same thing on fake_char and char_fac,you'll be lucky,and get away with no NA's:

transform(d,fake_char = as.numeric(fake_char),
char_fac = as.numeric(char_fac))

char fake_char fac char_fac num
1    a         1   1        1   1
2    b         2   2        2   2
3    c         3   3        3   3
4    d         4   4        4   4
5    e         5   5        5   5

所以我在我的脚本中尝试了上面的代码,但仍然提出了NA(没有关于强制的警告消息).

#changing sumofcases,cost,and units to numeric
dd_2006_1 <- transform(dd_2006,SumOfCases = as.numeric(SumOfCases),SumOfUnits = as.numeric(SumOfUnits),SumOfCost = as.numeric(SumOfCost))

> sum(is.na(dd_2006_1$SumOfCost))
[1] 12
> sum(is.na(dd_2006_1$SumOfCases))
[1] 7
> sum(is.na(dd_2006_1$SumOfUnits))
[1] 11

我还使用表(dd_2006 $SumOfCases)等来查看观察结果,看看是否有任何我在观察中遗漏的字符,但没有任何字符.有关为什么会出现这些新闻的想法,以及如何摆脱它们？

test = as.character(c(1,3,4,'M'))
v = as.numeric(test) # NAs intorduced by coercion
ix.na = is.na(v)
which(ix.na) # row index of our problem = 5
test[ix.na]  # shows the problematic record,"M"

v2 = c("1.00","2.00","3.00")
gsub("\\.00","",v2)

[1] "1" "2" "3"

sum(as.numeric(v2)!=as.numeric(gsub("\\.00",v2))) # Illustrate that vectors are equivalent.

[1] 0