R语言：将数据框中时间范围字符转为均值，解决强制转换NA问题

问题根源 #

• 你的代码错误在于unlist(str_split(...))会把所有行的拆分结果合并成一个全局向量，mean()计算的是所有行范围的总均值，而非每行单独的范围均值
• 数据中存在带单位（如minutes/hrs）、文字描述（如half an hour to 40 minutes）的条目，直接转数值会因非数字字符产生NA

完整解决方案 #

1. 加载依赖包

library(tidyverse)

2. 定义数据处理函数

这个函数会自动提取数字、处理单位转换、计算范围均值：

process_time <- function(time_str) {
  # 提取字符串中所有数字（支持小数）
  nums <- str_extract_all(time_str, "\\d+(\\.\\d+)?") %>% 
    unlist() %>% 
    as.numeric()
  
  # 处理小时单位：转换为分钟
  if (grepl("hour|hr", time_str, ignore.case = TRUE)) {
    nums <- nums * 60
  }
  
  # 处理"half an hour"这类特殊表述
  if (grepl("half an hour", time_str, ignore.case = TRUE)) {
    nums <- c(nums, 30)
  }
  
  # 计算结果：范围取均值，单数值直接返回，无有效数字返回NA
  if (length(nums) >= 1) {
    mean(nums, na.rm = TRUE)
  } else {
    NA_real_
  }
}

3. 应用到数据框

data <- data %>% 
  mutate(est_time_clean = map_dbl(est_time, process_time))

效果说明 #

• 范围值如"30-45"会计算为37.5，"2-4 hours"会转换为分钟后计算均值180
• 带单位的单数值如"15 Minutes "会提取为15，"30mins"提取为30
• 特殊描述如"half an hour to 40 minutes"会转换为35
• 无效文本如"Depends where you live"会返回NA（可根据需求修改函数调整）
• 完全避免了NAs introduced by coercion警告（仅当无有效数字时返回合理NA）

内容的提问来源于stack exchange，提问作者Fionn McGlacken