R语言实现col1-col4去逗号转数值、字符置空且保留col5

处理规则 #

严格按需求执行：

• col5列完整保留原始内容，不做任何修改
• 仅处理col1至col4列：
  • 移除所有取值中的逗号，处理千分位格式的数值
  • 移除逗号后尝试转换为数值，原纯字符类无法转换为数值的取值替换为空字符串

实现代码 #

基础R版本（无需安装加载第三方包） #

# 构造示例输入数据
col1 <- c(1,45,30,35)
col2 <- c(33,"33,345",87,89)
col3 <- c("67,345",77,90,"reply")
col4 <- c("silver",43,23,55)
col5 <- c("gb","rt","dc","ty")
DF <- data.frame(col1,col2,col3,col4,col5, stringsAsFactors = FALSE)

# 核心处理逻辑
DF[ , c("col1","col2","col3","col4")] <- lapply(DF[ , c("col1","col2","col3","col4")], function(col) {
  # 统一转字符型，兼容因子、数值等输入类型
  col_char <- as.character(col)
  # 移除所有逗号
  col_no_comma <- gsub(pattern = ",", replacement = "", x = col_char)
  # 转换为数值，转换失败的项会生成NA，屏蔽无关警告
  col_converted <- suppressWarnings(as.numeric(col_no_comma))
  # NA项替换为空字符串，其余项转回字符型和空值类型匹配
  result <- ifelse(is.na(col_converted), "", as.character(col_converted))
  return(result)
})

# 处理完成，赋值为示例要求的输出变量名
DF_Output <- DF

运行后得到的结果和预期完全匹配：

• col1取值：1、45、30、35
• col2取值：33、33345、87、89
• col3取值：67345、77、90、""
• col4取值：""、43、23、55
• col5取值和原始输入完全一致

dplyr版本（适配tidyverse工作流） #

如果日常使用tidyverse生态，可以用更简洁的管道写法：

library(dplyr)

DF_Output <- DF %>%
  mutate(
    across(col1:col4, ~{
      val <- gsub(",", "", as.character(.x))
      num_val <- suppressWarnings(as.numeric(val))
      ifelse(is.na(num_val), "", as.character(num_val))
    })
  )

说明：示例输出因存在空字符串，处理后的col1~col4为字符型；如果需要保留标准数值类型，把代码中空字符串的替换值改为NA_real_即可，纯字符项会被识别为标准缺失值。

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