关于R语言字符型数据清洗问题

最近做一个预测关于投资者是否再次投资的项目，需要针对客户导出的数据进行清洗后建模分析，我目前选择的模型是xgboost，貌似数据必须全是numeric。

数据结构如下：

在这个里面，我们需要做的是将第一列里面的‘是’替换为1，第四列、第七列、第八列的字符也替换为数字。

具体需求如下：

平台标签替换：0、NA；1、PC；2、WAP；3、IOS；4、andriod；

产品标签替换：0、NA；1、新手专享；2、直投散标；3、定期宝；4、双手计划；5、新手标。

首先我们读取数据，代码如下：

hnjb<-read.csv('F:/Rdata/hnjb/投资用户基础信息表3.csv',na.string='NA',header=T)

然后我们将数据转为字符型，方便替换

hnjb[] <- lapply(hnjb, as.character) 

准备完毕，开始替换

hnjb[is.na(hnjb)]<-0
hnjb[hnjb=='是']<-1
hnjb[hnjb=='pc']<-1
hnjb[hnjb=="wap"]<-2
hnjb[hnjb=='ios']<- 3
hnjb[hnjb=='android']<- 4
hnjb[hnjb=='新手专享']<-1
hnjb[hnjb=='直投散标']<-2
hnjb[hnjb=='定期宝']<-3
hnjb[hnjb=='双收计划']<-4
hnjb[hnjb=='新手标']<-5

结果如下：

好了，字符替换大功告成！

后续我们将这些字符转码为numeric就可以导入xgboost进行建模分析了，不过时间变量转为字符串之后，再转为numeric就变成NA了，下一篇文章我来告诉大家具体解决方法。