Una alternativa que sirve para limpiar los datos que tienes como ejemplo. Si hay otras formas en la que están "mal" los datos quizás tengas que adaptarlo.
Son tres pasos:
- Contar cuantas veces aparece símbolo
,
o .
, porque en algunos casos aparece dos veces y hay que eliminar la primera aparición.
- Usar eso como condicional para eliminar el primer
,|\\.
que aparezca. Al .
hay que escaparlo pq es caracter reservado en regex. Uso str_remove()
que, a diferencia de str_remove_all()
remueve solo la primera aparición de una cadena.
- Cambiar
,
por .
y pasar a numérico.
library(tidyverse)
#Creo unos datos similares a los tuyos
read.table(text =
"Donante Monto
A 200.100,5
B 200,100.5
C 200100,5
D 200100.5
E 200100", header = TRUE) -> foo
foo %>%
mutate(Monto = if_else(str_count(Monto, ",|\\.") > 1,
str_remove(Monto, ",|\\."),
Monto)) %>%
mutate(Monto = as.numeric(str_replace(Monto, ",", ".")))
Donante Monto
1 A 200100.5
2 B 200100.5
3 C 200100.5
4 D 200100.5
5 E 200100.0
Para un caso más complicado en el que pudiera haber más de dos separadores arbitrarios (puntos o comas) se me ocurre lo siguiente:
foo %>%
as_tibble %>%
mutate(separadores = str_count(Monto, ",|\\.")) %>% #Cuento cuantos separadores hay
mutate(separado = str_split(Monto, ",|\\.")) %>% #separo en una lista
# Paso por la lista y me quedo con todos los elementos menos el último, que debería ser el decimal
mutate(enteros = unlist(map2(separado, separadores, ~.x[1:.y]) %>%
map(~paste(.x, collapse = "")))) %>% #Los pego
#Ahora capturo los decimales
mutate(decimal = unlist(map2(separado, separadores, ~.x[.y+1]))) %>%
#Atiendo el caso especial de los números son decimal (poco elegante, es lo que hay)
mutate(decimal = ifelse(separadores == 0, 0, decimal)) %>%
#Hago el pegote final, uso el . como separador que es válido en R
mutate(Monto_final = paste0(enteros, ".", decimal))
Está muy enredado, pero funciona. La idea es usar str_split()
para separar las partes y usar la referencia sobre el número de separadores para después rearmar el Monto, usando el último elemento de la lista como decimal.
gsub(',', '', df$Monto)