R语言用mutate转可数值化列为numeric时保留原字符列

现有存储字符串的data.frame，部分列的字符串内容可完整解析为数值，但列类型仍为character。需要自动将所有可解析为数值的列转换为numeric类型，无法解析为数值的字符列保留原始内容，不能出现强制转换生成的NA。

直接对所有字符列执行as.numeric()转换时，无法解析的内容会被强制替换为NA，同时抛出警告，不符合需求：

# 构造示例数据
df <- data.frame(Col1 = c("647", "237", "863", "236"),
           Col2 = c("125", "623", "854", "234"),
           Col3 = c("ABC", "BCA", "DFL", "KFD"),
           Col4 = c("PWD", "CDL", "QOW", "DKC"))

# 错误写法：无差别转换所有字符列
df %>% mutate_if(is.character, as.numeric)

错误运行结果：

Col1 Col2 Col3 Col4
1  647  125   NA   NA
2  237  623   NA   NA
3  863  854   NA   NA
4  236  234   NA   NA
Warning messages:
1: Problem while computing `..1 = across(, ~as.numeric(.))`.
ℹ NAs introduced by coercion 
2: Problem while computing `..1 = across(, ~as.numeric(.))`.
ℹ NAs introduced by coercion 

期望达到的效果：可解析为数值的Col1、Col2转为numeric类型，存纯字符串的Col3、Col4保留原始character类型，无内容丢失：

Col1 Col2 Col3 Col4
1  647  125  ABC  PWD
2  237  623  BCA  CDL
3  863  854  DFL  QOW
4  236  234  KFD  DKC

str(df)
'data.frame':   4 obs. of  4 variables:
 $ Col1: num  647 237 863 236
 $ Col2: num  125 623 854 234
 $ Col3: chr  "ABC", "BCA", "DFL", "KFD"
 $ Col4: chr  "PWD", "CDL", "QOW", "DKC"

核心逻辑是逐列校验转换可行性：对每个字符列先尝试做数值转换，若没有因为解析失败产生额外的NA，说明整列可安全转为数值，就替换为转换后的结果；否则保留原始字符列内容。

dplyr 实现 #

适配dplyr 1.0.0以上版本，用across替代已废弃的mutate_if，兼容原始列存在真实NA值的场景：

library(dplyr)

df <- df %>%
  mutate(across(where(is.character), ~{
    converted <- suppressWarnings(as.numeric(.x))
    # 校验：没有因解析失败产生新NA，就用转换结果，否则保留原列
    if (sum(is.na(converted)) == sum(is.na(.x))) {
      converted
    } else {
      .x
    }
  }))

base R 实现 #

无需加载第三方包，直接用R内置的type.convert函数，该函数会自动识别列类型，可解析为数值的字符列自动转numeric，无法解析的保留character类型：

df <- as.data.frame(
  lapply(df, function(col) {
    if (is.character(col)) {
      type.convert(col, as.is = TRUE)
    } else {
      col
    }
  })
)

运行上述任意一段代码后，结果即可匹配预期，不会出现非预期的NA值，也不会丢失原始字符串内容。

内容的提问来源于stack exchange，提问作者Kak Schoen