将"X%"-formatted百分比读入R

Question

我正在将CSV读取到R中，其中有几列包含百分比，这些百分比格式化为文本字符串，末尾带有百分比符号，例如"35%“。readr::read_csv()将这些数据解释为字符型数据，但是我希望数据是数值型的，这样就可以执行分析。

下面的代码实现了这一点，但似乎有很多“障碍”要跳过。有没有一个标准函数(或函数的选项)可以做同样的事情？在read_csv()函数中似乎没有相关的选项。

convert_percentage_string <- function(percentage_string) {
  percentage_string %>%
    stringr::str_extract(., "[0-9]+") %>%
    as.numeric()
}

read_csv("my_data.csv") %>% 
  mutate_at(columns_with_percentages, convert_percentage_string)

示例数据：

tribble(~name, ~count, ~percentage, 
   "Alice", 4, "40%", 
   "Bob", 10, "65%", 
   "Carol", 15, "15%")

预期结果：

tribble(~name, ~count, ~percentage, 
       "Alice", 4, 40, 
       "Bob", 10, 65, 
       "Carol", 15, 15)

Answer 1

这是一个dplyr和readr解决方案：

library(dplyr) # Version >= 1.0.0
library(readr)
library(stringr)
data %>% 
   mutate(across(where(~any(str_detect(.,"%"))), parse_number))
# A tibble: 3 x 3
  name  count percentage
  <chr> <dbl>      <dbl>
1 Alice     4         40
2 Bob      10         65
3 Carol    15         15

如果您愿意，请随意使用all替换any。

这种方法的一个好处是它可以检测具有%的列，并且只解析这些列。不需要知道需要提前转换哪些列。

Answer 2

在使用sapply从数字中删除%符号后，可以将函数as.numeric添加到percentage列

df$percentage <- sapply(gsub("(?<=\\d)%", "", df$percentage, perl = T), as.numeric)

或者，如果您更喜欢stringr操作：

df$percentage <- sapply(str_extract(df$percentage, "\\d+"), as.numeric)

结果：

df
# A tibble: 3 x 3
  name  count percentage
  <chr> <dbl>      <dbl>
1 Alice     4         40
2 Bob      10         65
3 Carol    15         15

数据：

df <- tribble(~name, ~count, ~percentage, 
        "Alice", 4, "40%", 
        "Bob", 10, "65%", 
        "Carol", 15, "15%")