检查 data.frame 列中的所有非数字条目并删除或替换

Question

我面临一个具体的经验问题。我在 data.frame 列中有一个因变量。我可以轻松删除所有 NA 和所有非数字项（不幸的是，这是一个开放文本设计问题）。但是我想手动检查那些非数字条目中的一些字符串和其他信息（以进行可能的估算）。

df <- data.frame(list(A=c(1, 2, 3, 4, 5, 6, 7, 8, 9), B=c("40g", "< 2", "thx", "about 1", "1-2", "1/2", 3, 2.3, "two")))

  A       B
1 1     40g
2 2     < 2
3 3     thx
4 4 about 1
5 5     1-2
6 6     1/2
7 7       3
8 8     2.3
9 9     two

我认为没有特定的例程来列出所有非数字条目，并针对每种情况询问我是要保留它还是用另一个值替换该条目。但也许这至少对整个专栏来说是可能的？

最后我喜欢得到如下结构：

因为条目非常不同，我需要针对每个案例判断我是否可以假设一个数值（有时是平均值）。例如，我计算信息“1-2”或 "between 1 and 2" 的平均值，并将不同的单位（如“40g”）转换为“0.4”，但忽略所有无意义的字符串 "banana" 以及所有模棱两可的信息（“ <2")。

报告的度量是消耗量。所以没有负单位。有时是克或公斤。

非常感谢！

更新

非常感谢Tensibai 指出我的问题！以下是我如何创建有问题的非数值列表，这些非数值可能是也可能不是潜在的插补候选者：

df <- data.frame(A=c(1, 2, 3, 4, 5, 6, 7, 8, 9), B=c("40g", "< 2", "thx", "about 1", "1-2", "1/2", 3, 2.3, "two"))
df$B <- as.character(df$B)
df$B[is.na( as.numeric(df$B) ) ]
[1] "40g"     "< 2"     "thx"     "about 1" "1-2"     "1/2"     "two"

现在我想创建类似矢量的东西，例如

(0.4, NA, NA, 1, 1.5, NA, 2)

这应该替换之前列出的条目在我原来的位置 data.frame。我不需要任何转换步骤的功能，但会手动完成！

Answer 1

我会使用循环和 readline 来创建新的向量，如下所示：

df <- data.frame(list(A=c(1, 2, 3, 4, 5, 6, 7, 8, 9), B=c("40g", "< 2", "thx", "about 1", "1-2", "1/2", 3, 2.3, "two")))
df$B <- as.character(df$B)

myscan <- function(x) {
 new <- vector("numeric",length(x))
 for(i in seq_along(x)) {
   new[i] <- readline(sprintf("Non numeric entry '%s' new value to set: ",x[i]))
 }
 as.numeric(new)
}

# get the entries 
notNum <- is.na( as.numeric(df$B) )
# Loop and ask for updates
df$B[notNum] <-  myscan(df$B[notNum])

当运行它给出：

> df$B[notNum] <- as.numeric( myscan(df$B[notNum]) )
Non numeric entry '40g' new value to set: 0.4
Non numeric entry '< 2' new value to set: na
Non numeric entry 'thx' new value to set: ba
Non numeric entry 'about 1' new value to set: 1
Non numeric entry '1-2' new value to set: 1.5
Non numeric entry '1/2' new value to set: na
Non numeric entry 'two' new value to set: 2

然后我们return将列设置为数值状态：

df$B <- as.numeric(df$B)

我们得到了新的数据框：

> df
  A   B
1 1 0.4
2 2  NA
3 3  NA
4 4 1.0
5 5 1.5
6 6  NA
7 7 3.0
8 8 2.3
9 9 2.0

检查 data.frame 列中的所有非数字条目并删除或替换

Checking all non-numerical entries in a data.frame column and delete or substitute

select

r

subset

dataframe