R语言str_remove报stri_replace_first_regex错误及数据清洗问题咨询

待处理需求 #

需要对数据框中指定列完成两项标准化处理：

• 将列中所有取值为T的内容替换为"0.0"
• 移除类似"0.02s"这类取值末尾的s字符

该列存在较多格式不规范的取值，原始取值序列示例：

0.00 T 0.06 <NA> 0.03 0.02 0.08 0.01 0.07 0.16 0.09 0.22 0.02s 0.24 0.18 0.05 0.04 0.09s 0.11 0.14 0.25 0.10 0.01s 0.58 0.12 0.13 0.46 1.07 1.19 0.34 0.20 0.36s 0.42 0.17 0.27 0.35 0.31 0.33 0.23 0.26 0.28 0.75 0.19 0.36 0.03s 0.07s 0.54 0.59 0.21

期望输出序列：

0.00 0.00 0.06 0.00 0.03 0.02 0.08 0.01 0.07 0.16 0.09 0.22 0.02 0.24 0.18 0.05 0.04 0.09 0.11 0.14 0.25 0.10 0.01 0.58 0.12 0.13 0.46 1.07 1.19 0.34 0.20 0.36 0.42 0.17 0.27 0.35 0.31 0.33 0.23 0.26 0.28 0.75 0.19 0.36 0.03 0.07 0.54 0.59 0.21

已遇问题 #

• 暂未找到将T替换为0.0的稳妥实现方式
• 尝试调用str_remove(Col_name, pattern = "s$")移除末尾s时，返回如下报错：

Error in stri_replace_first_regex while using str_remove

解决方案 #

报错原因 #

str_remove是stringr包的字符串处理函数，仅支持字符型向量输入。上述报错的核心原因是传入的目标列不是字符类型：多数场景下列会被默认读为因子类型，或列内混杂非字符串类型的特殊值，导致函数底层依赖的stringi正则解析接口无法正常处理输入。

完整实现代码 #

以下代码兼容缺失值场景，替换对应数据框、列名后可直接运行完成全部处理逻辑：

library(dplyr)
library(stringr)

df <- df %>%
  mutate(
    # 先将列统一转为字符型，从根源解决str_remove的类型报错
    Col_name = as.character(Col_name),
    # 将取值为T、<NA>的项统一替换为"0.0"，和期望输出对齐
    Col_name = ifelse(Col_name %in% c("T", "<NA>"), "0.0", Col_name),
    # 移除取值末尾的s，两种写法二选一即可
    # 写法1：转字符后用原正则逻辑即可正常运行
    # Col_name = str_remove(Col_name, "s$")
    # 写法2：不依赖正则，纯字符串判断截取，兼容性更强无正则报错风险
    Col_name = ifelse(endsWith(Col_name, "s"), substr(Col_name, 1, nchar(Col_name)-1), Col_name)
  )

用上述示例序列测试，处理结果和期望输出完全匹配。

内容的提问来源于stack exchange，提问作者KevinGR11