R导入Excel的cds数据时字符型价格转数值且保留日期格式问题

以下两种方案均可保留日期列的正确格式，同时完成所有价格列的数值类型转换：

方法1：tidyverse 方案（推荐） #

# 加载依赖包
library(readxl)
library(dplyr)
library(stringr)

# 1. 默认读取Excel，保留原始的日期列格式
cds <- read_excel("你的Excel文件本地路径.xlsx")

# 2. 仅批量转换价格列，排除首列日期列
cds_clean <- cds %>%
  # 若日期列不是首列，将-1替换为-你的日期列名即可，例如 -trade_date
  mutate(across(-1, ~{
    # 先清理价格中可能存在的非数值字符：千分位逗号、货币符号、空格、占位符等
    cleaned_val <- str_remove_all(.x, "[^0-9.]")
    # 转换为数值，无法转换的内容会自动转为NA
    as.numeric(cleaned_val)
  }))

方法2：基础R方案（无需额外安装tidyverse系列包） #

library(readxl)
# 1. 读取数据
cds <- read_excel("你的Excel文件本地路径.xlsx")

# 2. 定位所有价格列的索引，此处假设首列为日期列，其余均为价格列
price_col_index <- 2:ncol(cds)
# 批量转换价格列
cds[price_col_index] <- lapply(cds[price_col_index], function(x) {
  # 清理非数值字符
  cleaned_val <- gsub("[^0-9.]", "", x)
  as.numeric(cleaned_val)
})

转换完成后运行str(cds_clean)查看列类型，确认日期列为Date/POSIXct类型、所有价格列为numeric类型即可正常进行时间序列分析。
如果转换后出现大量异常NA，可运行which(is.na(cds_clean), arr.ind = TRUE)定位异常单元格，检查原Excel对应位置的特殊字符，调整正则匹配规则即可。

• 直接在read_excel中设置col_types为numeric时，Excel存储的日期本质是从1900年开始计数的天数，会被直接识别为数值丢失日期格式，正确逻辑是先保留默认读取的日期格式，再单独处理价格列
• 直接对整个数据框运行as.numeric()会先将数据框强制转为矩阵再转为向量，因此会被压缩为单一向量，必须对非日期的价格列单独执行批量转换

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