R语言中千分位分隔符数值（美式数值）读取

千分位分割数值

对于英美数值数据，千分位分隔符（逗号分割）很常见，如下面一份房地产销售数据，land.squre.feet, gross.square.feet两列数据。

R不能自动识别千分位分割数值

虽然在Excel里面，千分位分隔符数值和普通数值没什么区别，也可以通知设置单元格格式进行转化，但是在R中却有大的区别，即千分位分隔符并不是数值，不能直接做数值计算。

>mean(land.squre.feet)
[1] NA
Warning message:
In mean.default(land.squre.feet) : 参数不是数值也不是逻辑值：回覆NA

直接使用as.numeric函数将land.squre.feet转华为R可以识别的数值也不行

>mean(as.numeric(bk$land.squre.feet))
[1] NaN

R中识别千分位分割数值的方法

使用gsub()函数，gsub()可以用于字段的删减、增补、替换和切割，可以处理一个字段也可以处理由字段组成的向量。

具体的使用方法为：gsub(“目标字符”, “替换字符”, 对象)

在gsub函数中，任何字段处理都由将“替换字符”替换到“目标字符”这一流程中实现，令替换字符为’’’'可实现删除，令替换字符为"目标字符+增补内容"可实现增补，替换和切割也是使用类似的操作。

例如：

> text <- "AbcdEfgh . Ijkl MNM"

> gsub("Efg", "AAA", text)     #  将Efg改为AAA，区分大小写

[1] "AbcdAAAh . Ijkl MNM"

在这里也就是要将千分位分隔符“，”去掉，可以使用下列语句：

>land.sqft <-- as.numeric(gsub(",","",land.square.feet)) # 将“，”去除

其结果如下：

>head(bk.homes[,c(“land.square.feet”,“land.sqft”)])
land.square.feet land.sqft
26 2,058 2058
27 4,833 4833
28 2,417 2417
29 3,867 3867
31 2,707 2707
32 2,417 2417

以上语句对于具有货币符合的数值（如$203,001）处理要分两步，先去掉逗号，再去掉$，更一般的是使用以下语句可以一次完成，

land.sqft = as.numeric(gsub("[^[:digit:]]","",land.square.feet)) #[^[:digit:]]表示非数字字符

关于gsub函数的使用，可以参见这篇文章：

R语言-gsub替换字符工具：https://blog.csdn.net/lztttao/article/details/82086346