我在字符列上使用

Question

，例如，请考虑以下可复制示例：

library(tidyverse)

df <- structure(list(col1 = c("6980265", 
                               "x (6969100)", 
                               "1,234.56", 
                               "euro1,000",
                               "x. (6969100) ", 
                               "x (6969943)", 
                               "x y.  (6977416)", 
                               "x-y  (6923012) ")), 
               class = c("tbl_df", "tbl", "data.frame"), 
               row.names = c(NA, -8L))

# Directly using parse_number() on col1
df2 <- df |> 
  mutate(col2 = parse_number(col1, trim_ws = TRUE))

df2

输出为：

 A tibble: 8 × 2
  col1                  col2
  <chr>                <dbl>
1 "6980265"         6980265 
2 "x (6969100)"     6969100 
3 "1,234.56"           1235.
4 "euro1,000"          1000 
5 "x. (6969100) "        NA 
6 "x (6969943)"     6969943 
7 "x y.  (6977416)"      NA 
8 "x-y  (6923012) "      NA 
Warning message:
There was 1 warning in `mutate()`.
ℹ In argument: `col2 = parse_number(col1, trim_ws =
  TRUE)`.
Caused by warning:
! 3 parsing failures.
row col expected          actual
  5  -- a number x. (6969100)   
  7  -- a number x y.  (6977416)
  8  -- a number x-y  (6923012) 

删除所有非alpha-numeric后，代码有效：

df |> 
  mutate(col1 = str_replace_all(col1, "[^[:alnum:] ]", "")) |> 
  mutate(col2 = parse_number(col1, trim_ws = TRUE))

# A tibble: 8 × 2
  col1              col2
  <chr>            <dbl>
1 "6980265"      6980265
2 "x 6969100"    6969100
3 "123456"        123456
4 "euro1000"        1000
5 "x 6969100 "   6969100
6 "x 6969943"    6969943
7 "x y  6977416" 6977416
8 "xy  6923012 " 6923012

问题：为什么

parse_number()

有时会忽略数字部分，而当它的前面有一个非针鼻字符时，有时不忽略数字部分？

角色“。”和“ - ”可以是成型数字的一部分，以及10位数字，“+”，“ E”，也许还有其他人。 大概是在寻找任何这些字符，当它找到其中一个字符时，它试图解析它并跟随字符作为数字。 在您的NA情况下，它们不是数字的一部分，他们自己坐着。