如何使用R对dataframe字符列中混杂的数值执行四舍五入操作？

无需对数据框执行透视/长宽转换操作，只需对目标列逐元素判断是否可转换为数值，对可转换的数值做四舍五入后转回字符，非数值内容保留原值即可实现需求。

基础R实现 #

# 构造示例数据
df1 <- data.frame(
  Group = c('Type', 'State', 'Roads'),
  Value1 = c('A', 'Florida', 107.188887),
  stringsAsFactors = FALSE
)

# 自定义转换函数：digits参数指定保留小数位数
round_numeric_in_char <- function(x, digits = 1) {
  # 判断元素是否可转换为有效数值
  is_valid_num <- !is.na(suppressWarnings(as.numeric(x)))
  # 对有效数值做四舍五入后转回字符，其余内容保留原值
  x[is_valid_num] <- as.character(round(as.numeric(x[is_valid_num]), digits = digits))
  return(x)
}

# 对需要处理的列应用函数，这里以Value1列为例
df1$Value1 <- round_numeric_in_char(df1$Value1)

处理后df1$Value1的输出为："A" "Florida" "107.2"，和预期结果一致。

tidyverse/dplyr实现 #

如果你习惯使用tidyverse生态，可按以下方式实现：

library(dplyr)

df1 <- df1 %>%
  mutate(Value1 = case_when(
    # 对可转换为数值的元素做四舍五入
    !is.na(suppressWarnings(as.numeric(Value1))) ~ as.character(round(as.numeric(Value1), 1)),
    # 非数值元素保留原值
    TRUE ~ Value1
  ))

如果需要批量处理多列，可配合across()函数使用，比如处理所有列名以"Value"开头的列：

df1 <- df1 %>%
  mutate(across(starts_with("Value"), ~case_when(
    !is.na(suppressWarnings(as.numeric(.x))) ~ as.character(round(as.numeric(.x), 1)),
    TRUE ~ .x
  )))

内容的提问来源于stack exchange，提问作者Natasha R.