扫码加入数据分析学习群

解析数值似乎是非常直截了当的，但以下 3 个问题增加了数值解析的复杂性。

• 世界各地的人们书写数值的方式不尽相同。例如，有些国家使用 . 来分隔实数中的整数

和小数部分，而有些国家则使用 ,。

• 数值周围经常有表示某种意义的其他字符，如 $1000 或 10%。

• 数值经常包含“分组”，以便更易读，如 1 000 000，而且世界各地用来分组的字符也不

尽相同。

为了解决第一个问题， readr 使用了“地区”这一概念，这是可以按照不同地区设置解析选

项的一个对象。在解析数值时，最重要的选项就是用来表示小数点的字符。通过创建一个

新的地区对象并设定 decimal_mark 参数，可以覆盖 . 的默认值：

parse_double("1.23")
#> [1] 1.23
parse_double("1,23", locale = locale(decimal_mark = ","))
#> [1] 1.23

readr 的默认地区是 US-centric，因为 R 是以美国为中心的（也就是说， R 基础包的文档是

用美式英语写成的）。获取默认地区设置的另一种方法是利用操作系统，但这种方法很难

奏效，更重要的是，这会让你的代码很脆弱：即使可以在你的计算机上良好运行，但通过

电子邮件分享给另一个国家的同事时，就可能失效。

parse_number() 解决了第二个问题：它可以忽略数值前后的非数值型字符。这个函数特别

适合处理货币和百分比，也可以提取嵌在文本中的数值：

parse_number("$100")
#> [1] 100
parse_number("20%")
#> [1] 20
parse_number("It cost $123.45")
#> [1] 123

组合使用 parse_number() 和地区设置可以解决最后一个问题，因为 parse_number() 可以忽

略“分组符号”：

# 适用于美国

parse_number("$123,456,789")
#> [1] 1.23e+08

# 适用于多数欧洲国家

parse_number(
"123.456.789",
locale = locale(grouping_mark = ".")
)
#> [1] 1.23e+08
# 适用于瑞士
parse_number(
"123'456'789",
locale = locale(grouping_mark = "'")
)
#> [1] 1.23e+08