将功能应用于数据框中的每一列，观察每个列现有数据类型

StackOverflow https://stackoverflow.com/questions/7303322

  •  25-10-2019
  •  | 
  •  

题

我正在尝试在大型数据框中获得每列的最小/最大，作为的一部分 了解我的数据. 。我的第一次尝试是：

apply(t,2,max,na.rm=1)

它将所有内容视为字符向量，因为前几列是字符类型。因此，某些数字列的最大是 " -99.5".

然后，我尝试了：

sapply(t,max,na.rm=1)

但是它抱怨 最大因素没有意义. (lapply 是一样的。）令我困惑的是 apply 想法 max 对于因素是完全有意义的，例如，它返回了第1列的“斑马”。

顺便说一句，我看了看 在Posixct的向量上使用sapply 其中一个答案说”当您使用sapply时，您的对象被胁迫到数字，...“这是我发生的事情吗？如果是这样，是否有不强迫的替代应用功能？肯定是一个普遍的需求，因为数据框架类型的关键功能之一是每列都可以是不同的类型。

有帮助吗？

解决方案

如果是“有序因素”，情况将会有所不同。这并不是说我喜欢“有序因素”，我不只是说某些关系是针对未针对“因素”定义的'有序因素'定义的。因素被认为是普通的分类变量。您正在看到自然的因素顺序，这是您所在地的字母顺序排列的词汇顺序。如果您想为每一列以“数字”进行自动胁迫，那么日期和因素等等，然后尝试：

sapply(df, function(x) max(as.numeric(x)) )   # not generally a useful result

或者，如果您想先测试因素并按照您的预期返回：

sapply( df, function(x) if("factor" %in% class(x) ) { 
            max(as.numeric(as.character(x)))
            } else { max(x) } )

@Darrens评论确实更好：

 sapply(df, function(x) max(as.character(x)) )

max 可以通过角色向量成功。

其他提示

原因 max 使用 apply 就是它 apply 首先将数据框架胁迫到矩阵，并且矩阵只能容纳一种数据类型。因此，您最终得到了字符的矩阵。 sapply 只是一个包装纸 lapply, ，因此两者产生相同的错误也就不足为奇了。

创建数据框时的默认行为是将分类列存储为 因素. 。除非您指定它是 订购 因素，类似的操作 max 和 min 将不确定，因为R假设您已经创建了 无序 因素。

您可以通过指定来更改此行为 options(stringsAsFactors = FALSE), ，这将更改整个会话的默认值，或者您可以通过 stringsAsFactors = FALSE 在里面 data.frame() 施工本身。请注意，这只是意味着 min 和 max 默认情况下将假设“字母”顺序。

或者，您可以手动为每个因素指定订购，尽管我怀疑这是您想做的。

不管， sapply 通常将产生一个原子向量，这将需要在许多情况下将所有内容转换为角色。解决此问题的一种方法如下：

#Some test data
d <- data.frame(v1 = runif(10), v2 = letters[1:10], 
                v3 = rnorm(10), v4 = LETTERS[1:10],stringsAsFactors = TRUE)

d[4,] <- NA

#Similar function to DWin's answer          
fun <- function(x){
    if(is.numeric(x)){max(x,na.rm = 1)}
    else{max(as.character(x),na.rm=1)}
}   

#Use colwise from plyr package
colwise(fun)(d)
         v1 v2       v3 v4
1 0.8478983  j 1.999435  J

如果您想学习数据 summary (df) 提供最小，第一分位数，中值和平均值，数值列的第三分位数和最大值以及因子列的最高级别的频率。

建立 @ltamar的答案：
使用摘要并将输出变成有用的东西！

library(tidyr)
library(dplyr)

df %>% 
  summary %>% 
  data.frame %>%
  select(-Var1) %>%
  separate(data=.,col=Freq,into = c('metric','value'),sep = ':') %>%
  rename(column_name=Var2) %>%
  mutate(value=as.numeric(value),
         metric = trimws(metric,'both') 
  ) %>%  
  filter(!is.na(value)) -> metrics

它不是很漂亮，而且肯定不是很快，但是可以完成工作！

使用的解决方案 retype() 从HABLAR到胁迫因素到性格或数字类型，具体取决于可行性。我会用 dplyr 用于将最大应用于每一列。

代码

library(dplyr)
library(hablar)

# Retype() simplifies each columns type, e.g. always removes factors
d <- d %>% retype()

# Check max for each column
d %>% summarise_all(max)

结果

不是新的列类型。

     v1 v2       v3 v4   
  <dbl> <chr> <dbl> <chr>
1 0.974 j      1.09 J

数据

# Sample data borrowed from @joran
d <- data.frame(v1 = runif(10), v2 = letters[1:10], 
                v3 = rnorm(10), v4 = LETTERS[1:10],stringsAsFactors = TRUE)

做到这一点的绝对最佳方法是避免基础 *应用功能，该功能迫使整个数据框架到数组，并使用 colwise 从 plyr. 。 （我很惊讶没有人提到这一点）

示例使用 parse_guess 作为在各种向量数据类型上运行的函数：

colwise(parse_guess)(t)

不太有趣的答案：我们可以使用循环的每一列申请：

for (i in 1:nrow(t)) { t[, i] <- parse_guess(t[, i]) }

我不知道一种很好的方式 在保存数据框架结构时使用 *使用 *申请.

许可以下： CC-BY-SA 和 归因
不隶属于 StackOverflow
scroll top