R语言提取IPL 2023薪资列USD数值失败，全为NA求解决

AI 小北

2026-7-20

解决IPL 2023薪资数据提取USD数值时全为NA的问题

你的原代码出现全NA的核心问题有两个：一是正则表达式没覆盖带"million"的薪资格式，二是str_extract_all返回列表的处理逻辑有漏洞，且没做单位转换。以下是修正方案：

问题分析

原代码的正则\$US\\$([0-9.,]+)\$只能匹配纯数字（带逗号/小数点）的USD部分，像(US$2.0 million)这种带单位的会直接匹配失败，导致提取结果为空，最终转成NA。另外str_extract_all会返回每个元素的所有匹配结果（列表形式），后续处理没考虑到这一点，也没做单位转换。

修正后的代码

library(readxl)
library(stringr)

# 读取数据
ipl_2023_salaries <- read_excel(file_path)

# 提取括号内的USD完整内容（包含数字和单位）
usd_raw <- str_extract(ipl_2023_salaries$Salary, "\\(US\\$(.*?)\\)")

# 清理内容：去掉括号、US$，保留数字和单位
usd_clean <- str_remove_all(usd_raw, "\\(|\\)|US\\$")

# 处理数值和单位转换
usd_values <- sapply(usd_clean, function(x) {
  if (is.na(x)) {
    return(NA)
  }
  # 去掉千位逗号
  x_no_comma <- str_remove_all(x, ",")
  # 判断是否包含million单位
  if (str_detect(x_no_comma, "million")) {
    # 提取数字并转换为完整数值
    num <- as.numeric(str_extract(x_no_comma, "[0-9.]+")) * 1000000
  } else {
    # 直接转换为数值
    num <- as.numeric(x_no_comma)
  }
  return(num)
})

# 替换原薪资列
ipl_2023_salaries$Salary <- usd_values

print(ipl_2023_salaries)