str_replace "NA" 的意外行为

Question

我正在尝试将字符串转换为数字，但在使用 str_replace 时遇到了一些意外行为。这是一个最低限度的工作示例：

library(stringr)
x <- c("0", "NULL", "0")

# This works, i.e. 0 NA 0
as.numeric(str_replace(x, "NULL", ""))

# This doesn't, i.e. NA NA NA
as.numeric(str_replace(x, "NULL", NA))

在我看来，第二个示例应该有效，因为它应该只用 NA 替换向量中的第二个条目（这是字符向量中的有效值）。但它没有：内部 str_replace 将所有三个条目转换为 NA.

这是怎么回事？我查看了 str_replace 和 stri_replace_all 的文档，但没有看到明显的解释。

编辑： 澄清一下，这是 R 3.1.3 上的 stringr_1.0.0 和 stringi_1.0-1，Windows 7.

Answer 1

查看str_replace的源代码。

function (string, pattern, replacement) 
{
    replacement <- fix_replacement(replacement)
    switch(type(pattern), empty = , bound = stop("Not implemented", 
        call. = FALSE), fixed = stri_replace_first_fixed(string, 
        pattern, replacement, opts_fixed = attr(pattern, "options")), 
        coll = stri_replace_first_coll(string, pattern, replacement, 
            opts_collator = attr(pattern, "options")), regex = stri_replace_first_regex(string, 
            pattern, replacement, opts_regex = attr(pattern, 
                "options")), )
}
<environment: namespace:stringr>

这导致找到 fix_replacement，它位于 Github，我也把它放在下面了。如果你在主环境中运行它，你会发现 fix_replacement(NA) returns NA。你可以看到它依赖于 stri_replace_all_regex，它来自 stringi 包。

fix_replacement <- function(x) {
    stri_replace_all_regex(
        stri_replace_all_fixed(x, "$", "\$"),
        "(?<!\\)\\(\d)",
        "\$")
}

有趣的是 stri_replace_first_fixed 和 stri_replace_first_regex 都 return c(NA,NA,NA) 当运行使用您的参数（您的 string, pattern，和 replacement）。问题是 stri_replace_first_fixed 和 stri_replace_first_regex 是 C++ 代码，所以弄清楚发生了什么有点棘手。

stri_replace_first_fixed可以找到here.

stri_replace_first_regex可以找到here.

就我在有限的时间和我相对生疏的 C++ 知识的认识来看，函数 stri__replace_allfirstlast_fixed 使用 stri_prepare_arg_string 检查 replacement 参数。根据 documentation for that，如果遇到 NA，它会抛出错误。我没有时间对此进行全面追踪，但我怀疑此错误可能导致所有 NA 出现奇数 return。

Answer 2

这是 stringi 包中的一个错误，但现在是 fixed（回想一下 stringr 是基于 stringi - 前者也会受到影响） .

我们得到最新的开发版本：

stri_replace_all_fixed(c("1", "NULL"), "NULL", NA)
## [1] "1" NA

Answer 3

还有另一种方法可以解决此问题，如 here 所示，使用 NA_character_

问题的简答：

library(stringr)
x <- c("0", "NULL", "0")
y <- as.numeric(str_replace(x, "NULL", NA_character_))

产生：

> y
[1]  0 NA  0
> typeof(y)
[1] "double"

更进一步

library(dplyr)
library(stringr)
# create a dummy dataset
ex = starwars %>% select(name, hair_color, homeworld) %>% head(6)
print(ex)
# lets say you want to replace all "Tatooine" by NA
# this produce the expected output
ex %>% mutate(homeworld = str_replace_all(homeworld, pattern = "Tatooine", NA_character_))

# HOWEVER,
# From Hadley's comment: "str_replace() has to replace parts of a string and replacing part of a string with NA doesn't make sense."
# then be careful using this method, see the example below:
ex %>% mutate(hair_color = str_replace_all(hair_color, pattern = "brown", NA_character_))
# all air colors with "brown", including "blond, grey" (Owen Lars, line 6) are now NA

产出

> print(ex)
# A tibble: 10 x 3
   name               hair_color    homeworld
   <chr>              <chr>         <chr>    
 1 Luke Skywalker     blond         Tatooine 
 2 C-3PO              NA            Tatooine 
 3 R2-D2              NA            Naboo    
 4 Darth Vader        none          Tatooine 
 5 Leia Organa        brown         Alderaan 
 6 Owen Lars          brown, grey   Tatooine  

> ex %>% mutate(homeworld = str_replace_all(homeworld, pattern = "Tatooine", NA_character_))
# A tibble: 10 x 3
   name               hair_color    homeworld
   <chr>              <chr>         <chr>    
 1 Luke Skywalker     blond         NA       
 2 C-3PO              NA            NA       
 3 R2-D2              NA            Naboo    
 4 Darth Vader        none          NA       
 5 Leia Organa        brown         Alderaan 
 6 Owen Lars          brown, grey   NA         

 > ex %>% mutate(hair_color = str_replace_all(hair_color, pattern = "brown", NA_character_))
# A tibble: 10 x 3
   name               hair_color    homeworld
   <chr>              <chr>         <chr>    
 1 Luke Skywalker     blond         Tatooine 
 2 C-3PO              NA            Tatooine 
 3 R2-D2              NA            Naboo    
 4 Darth Vader        none          Tatooine 
 5 Leia Organa        NA            Alderaan 
 6 Owen Lars          NA            Tatooine

Answer 4

这是一个使用 dplyr 的 across 方法和 stringr 包的解决方案。

df <- data.frame(x=c("a","b","null","e"),
                 y=c("g","null","h","k"))  

df2 <- df %>% 
  mutate(across(everything(),str_replace,"null",NA_character_))

str_replace "NA" 的意外行为

Unexpected behaviour with str_replace "NA"

r

stringr

stringi

问题的简答：

更进一步

产出