R语言：如何一次性批量修改同数据类型的多个变量？

问题背景 #

现有一个销售数据集，str(df)输出如下：

str(df)
'data.frame':   15 obs. of  13 variables:
 $ Invoice_No   : int  1 2 3 4 5 6 7 8 9 10 ...
 $ Invoice_Date : chr  "1-Apr-21" "1-Apr-21" "1-Apr-21" "3-Apr-21" ...
 $ Customer_Name: chr  "I" "F" "J" "C" ...
 $ Product      : chr  "AY201" "AY201" "GR70171" "SUB547" ...
 $ Qty          : int  150 50 25 200 200 100 25 2300 420 60 ...
 $ Price        : int  2350 2300 6950 390 1760 390 2450 260 267 390 ...
 $ Credit_Terms : int  45 10 1 30 30 30 30 30 30 30 ...
 $ Zone         : chr  "West" "West" "North" "North" ...
 $ Stock_in_date: chr  "2-Mar-21" "2-Mar-21" "8-Jan-21" "15-Jan-21" ...
 $ Purchase_Cost: num  1611 1611 4788 285 1611 ...
 $ Gross_Profit : num  100523 31084 26910 16651 15356 ...
 $ UOM          : chr  "KG" "KG" "KG" "KG" ...
 $ Invoice_Value: int  415950 135700 205025 92040 415360 46020 72275 706346 132325 27612 ...

各变量目标数据类型如下：

• Numeric：Invoice_No、Gross_Profit、Invoice_Value
• Date：Invoice_Date、Stock_in_date
• Factor：Customer_Name、Product、Credit_Terms、Zone、UOM
• Integer：Qty、Price、Purchase_Cost

尝试批量修改Numeric类型变量时代码执行失败：

df[c("Invoice_No","Gross_Profit","Invoice_Value")] <- as.numeric(pal_ex[c("Invoice_No","Gross_Profit","Invoice_Value")])

但单个变量修改可以正常运行：

df["Invoice_No"] <- as.numeric(df["Invoice_No"])

错误原因 #

1. 对象名拼写错误：代码中误将目标数据框df写成了pal_ex；
2. 数据结构不匹配：即使修正对象名，直接用as.numeric()处理多列数据框子集时，会将整个数据框扁平化为单一向量（长度为行数×列数），与原数据框的列结构不匹配，导致赋值失败。而单列修改时，as.numeric()处理后的向量长度与行数一致，能正常赋值。

解决方案 #

1. 基础R：用lapply批量处理 #

利用数据框的列表特性，用lapply遍历指定列并转换类型：

# 批量转Numeric
numeric_cols <- c("Invoice_No","Gross_Profit","Invoice_Value")
df[numeric_cols] <- lapply(df[numeric_cols], as.numeric)

# 批量转Factor
factor_cols <- c("Customer_Name", "Product", "Credit_Terms", "Zone", "UOM")
df[factor_cols] <- lapply(df[factor_cols], as.factor)

# 批量转Date（注意指定日期格式）
date_cols <- c("Invoice_Date", "Stock_in_date")
df[date_cols] <- lapply(df[date_cols], function(x) as.Date(x, format = "%d-%b-%y"))

# 批量转Integer
integer_cols <- c("Qty", "Price", "Purchase_Cost")
df[integer_cols] <- lapply(df[integer_cols], as.integer)

2. Tidyverse：用dplyr的across（推荐） #

如果使用tidyverse生态，代码更简洁易读：

library(dplyr)

df <- df %>%
  # 转Numeric
  mutate(across(c("Invoice_No","Gross_Profit","Invoice_Value"), as.numeric)) %>%
  # 转Factor
  mutate(across(c("Customer_Name", "Product", "Credit_Terms", "Zone", "UOM"), as.factor)) %>%
  # 转Date
  mutate(across(c("Invoice_Date", "Stock_in_date"), ~as.Date(.x, format = "%d-%b-%y"))) %>%
  # 转Integer
  mutate(across(c("Qty", "Price", "Purchase_Cost"), as.integer))

验证结果 #

修改完成后，用str(df)检查变量类型，确认符合目标要求。

内容的提问来源于stack exchange，提问作者Manikandan