R语言：将列表指定列转为数值型的稳定方法

你的数据存在两个核心问题：重复的表头干扰行（如Year所在行）和非标准缺失值标记-，这是导致类型转换失败的主要原因。结合你提到的包兼容性问题，以下是几种可靠的解决方案：

一、Tidyverse方案（规避plyr冲突） #

如果同时加载了plyr和dplyr，务必用dplyr::前缀指定函数，避免函数遮蔽：

# 仅加载dplyr（或加载tidyverse后用前缀调用）
library(dplyr)

df_clean <- df1 %>%
  # 移除所有Year列等于"Year"的干扰行
  dplyr::filter(Year != "Year") %>%
  # 将非标准缺失值"-"替换为NA
  dplyr::mutate(Temp = ifelse(Temp == "-", NA_character_, Temp)) %>%
  # 批量转换Year、Temp为数值型
  dplyr::mutate(dplyr::across(c(Year, Temp), as.numeric)) %>%
  # 转为普通data.frame（可选，tibble本身兼容data.frame操作）
  as.data.frame()

二、Base R方案（无包依赖） #

完全避免包冲突问题，用原生R函数处理：

# 第一步：过滤掉干扰行
df_clean_base <- df1[df1$Year != "Year", ]

# 第二步：替换非标准缺失值
df_clean_base$Temp[df_clean_base$Temp == "-"] <- NA

# 第三步：转换数据类型
df_clean_base$Year <- as.numeric(df_clean_base$Year)
df_clean_base$Temp <- as.numeric(df_clean_base$Temp)

# 转为普通data.frame（可选）
df_clean_base <- as.data.frame(df_clean_base)

三、Data.table方案（高效处理大型数据集） #

适合你的大型数据集场景，性能更优：

library(data.table)

# 转换为data.table格式
dt <- as.data.table(df1)

# 清理+转换一步完成
dt_clean <- dt[Year != "Year", 
               `:=`(Temp = fifelse(Temp == "-", NA, Temp),
                    Year = as.numeric(Year))][, Temp := as.numeric(Temp)]

# 转为普通data.frame（可选）
dt_clean <- as.data.frame(dt_clean)

四、包冲突解决建议 #

1. 明确指定函数来源：当plyr和dplyr共存时，用dplyr::filter、dplyr::mutate这种方式调用函数，避免函数被遮蔽。
2. 清理运行环境：用rm(list = ls())清空环境后，仅加载当前需要的包（例如先加载tidyverse，再加载data.table）。
3. 检查冲突函数：用conflicts()查看当前环境中的函数冲突，针对性处理。

注意事项 #

转换时出现NA是正常现象——原本的-就是缺失值标记，转换为标准NA符合数据规范，后续可通过na.omit()或其他缺失值处理函数按需处理。

内容的提问来源于stack exchange，提问作者Alexander Shemetev