如何将数据框中存储为字符型的数值列转换为数值型？

你需要将DataFrame中本质是数值（含"NA"字符串）但存储为字符型的列转换为数值型，同时保留id、name这类真正的字符列。以下是几种实用的解决方案：

方法1：使用dplyr（tidyverse生态） #

通过自定义判断函数筛选符合条件的列，再批量转换：

library(dplyr)

# 定义判断逻辑：字符型列，且转换为数值后不会全为NA（排除真实字符列）
is_numeric_char <- function(x) {
  is.character(x) && !all(is.na(as.numeric(x)))
}

# 转换符合条件的列
df_clean <- df %>%
  mutate_if(is_numeric_char, ~as.numeric(.))

验证转换结果：

str(df_clean)
# 'data.frame':	5 obs. of  5 variables:
#  $ id  : chr  "R1" "R2" "R3" "R4" ...
#  $ name: chr  "A" "B" "C" "D" ...
#  $ age : num  24 NA 55 19 40
#  $ sbp : num  174 125 180 NA 130
#  $ dbp : num  106 67 109 NA 87

方法2：基础R实现（无需额外包） #

遍历每一列，针对性转换：

# 循环处理每一列
for (col_name in names(df)) {
  current_col <- df[[col_name]]
  # 仅处理字符型列
  if (is.character(current_col)) {
    converted <- as.numeric(current_col)
    # 排除转换后全为NA的列（即真实字符列）
    if (!all(is.na(converted))) {
      df[[col_name]] <- converted
    }
  }
}

# 查看转换后的数据结构
str(df)

方法3：使用readr包处理复杂场景 #

如果字符列中存在少量非数字干扰（比如空格），parse_number可以自动提取数值，同时将"NA"转为数值型NA：

library(readr)
library(dplyr)

df_clean <- df %>%
  mutate(across(where(is_numeric_char), ~parse_number(., na = "NA")))

关键逻辑说明 #

直接用as.numeric()遍历所有列会把真实字符列转为NA，核心是先筛选出字符型且转换后不全为NA的列——这类列就是你需要转换的"伪字符数值列"，而真实字符列转换后会全为NA，因此被排除在外。

内容的提问来源于stack exchange，提问作者Mumtaj Ali