如何在数据框中仅对指定变量使用as.numeric()函数

嘿，这个需求太常见啦！我给你分享几种靠谱的方法，不管你习惯用base R还是tidyverse工具都能轻松搞定～

先搭个示例场景方便你对照：假设我们有个所有列都是字符型的数据框，现在想把age和score这两列转成数值型：

# 示例数据框
df <- data.frame(
  name = c("Alice", "Bob", "Charlie"),
  age = c("25", "30", "35"),
  score = c("90", "85", "95"),
  city = c("NY", "LA", "Chicago"),
  stringsAsFactors = FALSE
)

方法1：用Base R（无需额外装包） #

直接指定要转换的列名或者列索引，用lapply批量处理就行：

# 通过列名指定目标列
df[c("age", "score")] <- lapply(df[c("age", "score")], as.numeric)

# 或者通过列索引（比如第2、3列）
df[, 2:3] <- lapply(df[, 2:3], as.numeric)

方法2：用dplyr（tidyverse风格，更简洁直观） #

如果你平时用tidyverse生态，现在推荐用across函数——这是dplyr新版本的标准写法：

library(dplyr)

df <- df %>%
  mutate(across(c(age, score), as.numeric))

# 要是你想按列名模式匹配（比如所有带"num"关键词的列），还能这么玩：
# df <- df %>% mutate(across(contains("num"), as.numeric))

方法3：兼容旧版dplyr的写法（mutate_at） #

如果你用的是较旧版本的dplyr，mutate_at也能实现同样效果：

df <- df %>%
  mutate_at(vars(age, score), as.numeric)

小提醒：处理混有非数字字符的情况 #

如果你的目标列里混了非数字内容（比如"25岁"这种格式），直接用as.numeric会得到NA值。这时候可以用readr包的parse_number来智能提取数字，更稳健：

library(readr)
df <- df %>%
  mutate(across(c(age, score), parse_number))

选哪种方法全看你的习惯：base R不用装任何额外包，tidyverse的写法则更直观易读～

内容的提问来源于stack exchange，提问作者Winston Willett