R - Konvertieren von Chr-Wert zu Num aus mehreren Spalten?

Question

Ich habe diesen Datenrahmen und ich mag die chr Werte num ändern:

> dput(Df) 
structure(list(`@MeasurementDateGMT` = c("2016-09-01 00:00:00", 
"2016-09-01 01:00:00", "2016-09-01 02:00:00", "2016-09-01 03:00:00", 
"2016-09-01 04:00:00", "2016-09-01 05:00:00", "2016-09-01 06:00:00", 
"2016-09-01 07:00:00", "2016-09-01 08:00:00", "2016-09-01 09:00:00", 
"2016-09-01 10:00:00", "2016-09-01 11:00:00", "2016-09-01 12:00:00", 
"2016-09-01 13:00:00", "2016-09-01 14:00:00", "2016-09-01 15:00:00", 
"2016-09-01 16:00:00", "2016-09-01 17:00:00", "2016-09-01 18:00:00", 
"2016-09-01 19:00:00", "2016-09-01 20:00:00", "2016-09-01 21:00:00", 
"2016-09-01 22:00:00", "2016-09-01 23:00:00"), `@Value` = c("10.9", 
"9.8", "9.9", "14.1", "13.6", "16.5", "15", "18.5", "18", "17", 
"16.6", "12", "12.1", "18.1", "15.9", "15.9", "16.9", "21.6", 
"23.5", "40.7", "16.6", "12.7", "12.4", "12.2")), .Names = c("@MeasurementDateGMT", 
"@Value"), class = "data.frame", row.names = c(NA, 24L)) 

-Code zu konvertieren:

columns <- sapply(Df, is.factor) 
Df[, columns] <- lapply(Df[, columns, drop = FALSE], function(x) as.numeric(as.character(x))) 

Ergebnis:

> str(Df) 
'data.frame': 24 obs. of 2 variables: 
$ @MeasurementDateGMT: chr "2016-09-01 00:00:00" "2016-09-01 01:00:00" "2016-09-01 02:00:00" "2016-09-01 03:00:00" ... 
$ @Value    : chr "10.9" "9.8" "9.9" "14.1" ... 

Sie sind immer noch chr. Was habe ich verpasst? irgendwelche Ideen?

Answer 1

Wir können type.convert verwenden.

Df[] <- lapply(Df, function(x) type.convert(x, as.is = TRUE)) 
str(Df) 
#'data.frame': 24 obs. of 2 variables: 
#$ @MeasurementDateGMT: chr "2016-09-01 00:00:00" "2016-09-01 01:00:00" "2016-09-01 02:00:00" "2016-09-01 03:00:00" ... 
#$ @Value    : num 10.9 9.8 9.9 14.1 13.6 16.5 15 18.5 18 17 

...

Wenn wir die 'Datetime' Spalte konvertieren müssen,

Df[[2]] <- as.POSIXct(Df[[2]]) 

Da die Spalten sind alle character in der Post OP, wir brauchen nicht zu konvertieren es characcter vor type.convert sonst Anwendung verwenden type.convert(as.character(x), ..

---

Okay, wenn wir dplyr brauchen diese

library(dplyr) 
res <- Df %>% 
     mutate_all(funs(type.convert(as.character(.), as.is = TRUE))) 
str(res) 
#'data.frame': 24 obs. of 2 variables: 
#$ @MeasurementDateGMT: chr "2016-09-01 00:00:00" "2016-09-01 01:00:00" "2016-09-01 02:00:00" "2016-09-01 03:00:00" ... 
#$ @Value    : num 10.9 9.8 9.9 14.1 13.6 16.5 15 18.5 18 17 ... 

---

Oder eine andere Option zu tun ist, data.table

library(data.table) 
setDT(Df)[, lapply(.SD, function(x) type.convert(x, as.is = TRUE))] 

Answer 2

können Sie dplyr::mutate_if verwenden, die eine Funktion (in diesem Fall as.numeric) für alle Spalten gilt, dass eine Prädikatfunktion erfüllen (in diesem Fall is.character).

library(dplyr) 

df %>% 
    janitor::clean_names() %>% # removes the "@" from names since that messes up mutate_if 
    tibble::as_tibble() %>% # just for the nice printing 
    mutate_if(is.character, as.numeric) 

#> Warning in eval(substitute(expr), envir, enclos): NAs introduced by 
#> coercion 

#> # A tibble: 24 x 2 
#> x_measurementdategmt x_value 
#>     <dbl> <dbl> 
#> 1     NA 10.9 
#> 2     NA  9.8 
#> 3     NA  9.9 
#> 4     NA 14.1 
#> 5     NA 13.6 
#> 6     NA 16.5 
#> 7     NA 15.0 
#> 8     NA 18.5 
#> 9     NA 18.0 
#> 10     NA 17.0 
#> # ... with 14 more rows 

Aber die oben nicht gut für die erste Spalte funktioniert, da es ein Datetime ist. Es wird nur auf NA von as.numeric festgelegt, da es nicht numerische Zeichen enthält. Stattdessen sollten Sie es wahrscheinlich in eine Datetime-Variable ändern.

df %>% 
    janitor::clean_names() %>% 
    tibble::as_tibble() %>% 
    mutate(x_measurementdategmt = lubridate::as_datetime(x_measurementdategmt)) %>% 
    mutate_if(is.character, as.numeric) 
#> # A tibble: 24 x 2 
#> x_measurementdategmt x_value 
#>     <dttm> <dbl> 
#> 1 2016-09-01 04:00:00 10.9 
#> 2 2016-09-01 05:00:00  9.8 
#> 3 2016-09-01 06:00:00  9.9 
#> 4 2016-09-01 07:00:00 14.1 
#> 5 2016-09-01 08:00:00 13.6 
#> 6 2016-09-01 09:00:00 16.5 
#> 7 2016-09-01 10:00:00 15.0 
#> 8 2016-09-01 11:00:00 18.5 
#> 9 2016-09-01 12:00:00 18.0 
#> 10 2016-09-01 13:00:00 17.0 
#> # ... with 14 more rows