如何在不将所有列转为字符型时对DataFrame应用正则移除字符Z？

你遇到的报错根源很明确：mutate_all(df, funs(str_replace_all(., "Z", "")))会把所有列（包括数值型的Pile1、Pile2）都转换成字符型，后面计算PileAvg时，字符类型无法执行加法运算，才抛出了"non-numeric argument to binary operator"的错误。

要实现「只移除字符列中的"Z"，同时保留数值列原有类型」的需求，我们可以用dplyr的精准列选择工具，只对目标列做正则处理：

推荐方案：使用across（tidyverse 1.0.0+ 版本） #

across是新版tidyverse推荐的列操作函数，可以直接指定「字符型列」作为处理对象，完全不会影响数值列：

library(tidyverse)

# 初始化原始DataFrame（注意加上stringsAsFactors=FALSE，避免字符列自动转因子）
df <- data.frame(
  Mineral = c("Zfeldspar", "Zgranite", "ZSilica"),
  Confidence = c("ZLow", "High", "Med"),
  Coverage = c("sub", "sub", "super"),
  Aspect = c("ZPos", "ZUnd", "Neg"),
  Pile1 = c(70, 88, 95),
  Pile2 = c(62,41,81),
  stringsAsFactors = FALSE
)

# 仅处理字符型列，移除"Z"，同时正确计算每行的Pile平均值
df_cleaned <- df %>%
  mutate(across(where(is.character), ~ str_replace_all(.x, "Z", ""))) %>%
  mutate(PileAvg = (Pile1 + Pile2)/2)  # 原代码的mean()用法有误，这里是每行的均值，用除法更准确

# 查看处理结果
df_cleaned

兼容旧版tidyverse：使用mutate_at #

如果你还在使用较旧版本的tidyverse，mutate_at也能实现相同效果，通过vars(where(is.character))指定目标列：

df_cleaned <- df %>%
  mutate_at(vars(where(is.character)), funs(str_replace_all(., "Z", ""))) %>%
  mutate(PileAvg = (Pile1 + Pile2)/2)

关键细节说明 #

• 为什么原代码报错？mutate_all会遍历所有列，数值列被str_replace_all处理后会变成字符型（比如70变成"70"），后续Pile1 + Pile2就变成了字符拼接而非数值加法，mean()自然无法处理字符向量。
• 关于PileAvg：原代码里的mean(Pile1 + Pile2)逻辑错误——mean()是对整个向量求均值，而你想要的应该是每行的Pile1和Pile2的平均值，所以(Pile1 + Pile2)/2才是正确写法。
• 初始化时的stringsAsFactors=FALSE：避免字符列被自动转换成因子类型，确保str_replace_all能直接处理。

运行后你会得到符合预期的结果：数值列类型完整保留，字符列中的"Z"被移除，PileAvg计算正常：

Mineral Confidence Coverage Aspect Pile1 Pile2 PileAvg
1  feldspar        Low      sub    Pos    70    62    66.0
2   granite       High      sub    Und    88    41    64.5
3    Silica        Med    super    Neg    95    81    88.0

内容的提问来源于stack exchange，提问作者rockhound