移除千位分隔符

Question

我导入了一个Excel文件，得到了一个类似于这样的数据框

structure(list(A = structure(1:3, .Label = c("1.100", "2.300", 
"5.400"), class = "factor"), B = structure(c(3L, 2L, 1L), .Label = c("1.000.000", 
"500", "7.800"), class = "factor"), C = structure(1:3, .Label = c("200", 
"3.100", "4.500"), class = "factor")), .Names = c("A", "B", "C"
), row.names = c(NA, -3L), class = "data.frame")

我现在想将这些字符转换为数字甚至是整数。但是，句点（ . ）不是十进制符号而是“千分位分隔符”（德语）。

我应该如何正确地转换数据框？

我尝试了这个：

df2 <- as.data.frame(apply(df1, 2, gsub, pattern = "([0-9])\\.([0-9])", replacement= "\\1\\2"))

df3 <- as.data.frame(data.matrix(df2))

然而，apply似乎会将每列转换为因子列表。我是否可以防止apply这样做？

- speendo

---

如果问题在于值包含货币，那么该问题也已经在使用read.*函数的数据输入级别得到解决：http://stackoverflow.com/questions/10823241/how-can-i-completely-remove-scientific-notation-for-the-entire-r-session/10823641#10823641 - IRTFM

看了这些问题的答案和这里提供的解决方案（我会接受其中一个 - 我使用了我自己发布的那个，但@juba的解决方案似乎也可以），我认为这不是重复的... - speendo

需要解决的问题不是他的答案是否重复，而是问题是否重复。在发布问题之前，您应该进行更多的搜索。 - IRTFM

在发布之前，我发现了https://dev59.com/MXE95IYBdhLWcg3wWMlQ：OP想要删除逗号，而我想要删除点，我也无法将此线程中的答案翻译为我的问题。我之前没有找到http://stackoverflow.com/questions/10823241/how-can-i-completely-remove-scientific-notation-for-the-entire-r-session/10823641#10823641，但这解决了一个完全不同的问题。我在发布之前进行了大量搜索（信不信由你）。 - speendo

Answer 1

您可以使用这个:

sapply(df, function(v) {as.numeric(gsub("\\.","", as.character(v)))})

这将会给予：

        A       B    C
[1,] 1100    7800  200
[2,] 2300     500 3100
[3,] 5400 1000000 4500

这将会给你一个“matrix”对象，但如果你愿意，可以将其包装到“data.frame()”中。

请注意，原始数据中的列不是字符而是因子。

---

编辑：或者，你可以使用以下方法直接将结果作为“data.frame”获取，而不是将其包装在“data.frame()”中：

# the as.character(.) is just in case it's loaded as a factor
df[] <- lapply(df, function(x) as.numeric(gsub("\\.", "", as.character(x))))

- juba

---

哦，你说得对 - 这个最小示例不好。在“真实”的数据中，它们是字符。 - speendo

Answer 2

我认为我找到了另一种解决方案：

使用stringsAsFactors = FALSE是必要的。

像这样：

df2 <- as.data.frame(apply(df1, 2, gsub, pattern = "([0-9])\\.([0-9])", replacement= "\\1\\2"), stringsAsFactors = FALSE)

df3 <- as.data.frame(data.matrix(df2))

- speendo

---

我猜这只是替换两个点吧？ - Arun

你为什么认为只有两个点？刚刚尝试了一下 structure(list(A = c("800.000.000.000", "2.034.312.421", "321.325.123.234" ), B = c("800.000.000.000", "2.034.312.421", "321.325.123.234" ), C = c("800.000.000.000", "2.034.312.421", "321.325.123.234" )), .Names = c("A", "B", "C"), row.names = c(NA, -3L), class = "data.frame") - 所有的点都被替换了。 - speendo

我认为这应该也可以工作。原则上，这个命令对数据框中的每个x运行gsub("([0-9])\\.([0-9])", "\\1\\2", x)。换句话说，该函数搜索所有模式<digit1>.<digit2>并将其替换为<digit1><digit2>。这应该适用于所有数字 - 但是在像<digit1>.<digit2>.<digit3>这样的模式中可能会出现问题，但是在这种情况下，点不会是千位分隔符。 - speendo

可能是因为个人联合的原因;-) - speendo

哈哈哈...刚注意到了！！我的天啊！我需要小睡一会儿！！！啊哈哈哈，这太搞笑了！ - Arun