R语言中如何将带货币符号的货币变量转换为不含符号的数值变量

针对大样本量下批量去除货币符号、转换数值格式的需求，以下两种方法都可以高效完成处理，无需逐行手动修改，百万行级别数据也可秒级出结果：

方法1：基础R实现（无需安装额外依赖包） #

核心逻辑是通过正则匹配剔除所有非数值相关字符，再转换为数值类型，适配所有常见货币格式（包含¥/$/€等前缀符号、千分位逗号分隔、带空格的货币格式等）。
示例代码：

# 模拟带货币符号的测试数据集
df <- data.frame(
  amount = c("¥199.00", "$49.99", "€2,499.50", "¥ 8999.00", "-$12.50", "36.8元")
)

# 剔除非数字、小数点、负号的冗余字符后转数值
df$amount_num <- as.numeric(gsub(pattern = "[^0-9.-]", replacement = "", x = df$amount))

正则规则[^0-9.-]会匹配所有不属于数字、小数点、负号的内容，统一替换为空值，不管货币符号在值的前缀还是后缀、有没有千分位分隔符都能正常清理。

方法2：readr包实现（容错性更强，无需手写正则） #

如果日常用tidyverse生态处理数据，可以直接用readr包内置的parse_number()函数，这个函数是专门设计用来提取带格式字符串中的数值部分的，会自动跳过货币符号、千分位分隔符、前后缀文本，对特殊格式的适配性更好。
示例代码：

# 加载readr包，已安装tidyverse的话无需单独安装
library(readr)

# 直接解析为数值
df$amount_num <- parse_number(df$amount)

转换后校验提示 #

转换完成后可以运行summary(df$amount_num)快速查看结果分布，如果出现异常NA值，只需要定位对应原始值排查特殊格式即可，整体处理效率远高于手动修改。

内容的提问来源于stack exchange，提问作者Ddoingg