如何识别R数据框中无法转换为数值类型的所有字符串项？

1. 提取所有无法转换为数值的字符串 #

要找出数据框中所有不能直接转为数值的字符串，可以通过将所有元素转为数值类型，筛选出转换后为NA的原字符串，再去重得到目标列表：

library(dplyr)
library(stringr)

# 示例数据
num = data.frame(var1 = c("2", "green", "5"),
                 var2 = c("blue","4",  "9"),
                 var3 = c("ble", "4", "1"),
                 var4 = c("5", "7", "big"))

# 提取非数值字符串（去重）
non_numeric_vals <- num %>%
  unlist() %>%
  as.character() %>%
  {.[is.na(as.numeric(.))]} %>%
  unique()

non_numeric_vals
# 输出结果：[1] "green" "blue"  "ble"   "big"

2. 批量替换字符串并转换为数值类型 #

针对识别出的非数值字符串，使用正则表达式批量替换为对应数值，再将所有目标列转为numeric类型：

# 替换字符串并转换类型
num_processed <- num %>%
  # 批量替换指定字符串为对应数值
  mutate(across(contains("var"), ~ str_replace_all(., c("green" = "3", "blue|ble" = "3.5", "big" = "10")))) %>%
  # 将所有目标列转为numeric类型
  mutate(across(contains("var"), as.numeric))

num_processed
# 输出结果：
#   var1 var2 var3 var4
# 1    2  3.5  3.5    5
# 2    3  4.0  4.0    7
# 3    5  9.0  1.0   10

额外注意事项 #

如果数据中存在带空白字符的字符串（比如" green "），可以先添加str_trim()清理空白，避免误识别：

# 先清理空白再识别非数值字符串
num_clean_spaces <- num %>%
  mutate(across(contains("var"), str_trim)) %>%
  unlist() %>%
  as.character() %>%
  {.[is.na(as.numeric(.))]} %>%
  unique()

内容的提问来源于stack exchange，提问作者Mark Davies