(使用mtcars和iris实现再现性(
我创建了一个R函数get_col_info
来查找数据摘要,如下所示:
-
如果列是
numeric/integer/double
,则得到最小值、最大值和平均 -
如果列是CCD_ 3,则获取唯一值的计数&唯一值
get_col_info <- function(data,col_name) { c_name <- c(col_name) s <- data[,c_name] type <- typeof(s) if(type %in% c("numeric","double","integer")){ min <- min(s) max <- max(s) mean <- mean(s) aa <- list(min=min, max=max,mean=mean) return(aa) } if(type %in% c("character","factor")){ uni <- unique(s) len <- length(uni) aa <- list(n_values=len,unique_values=c(uni)) return(aa)} } get_col_info(mtcars, "mpg") get_col_info(iris, "Petal.Width") get_col_info(iris, "Species")
前两次运行完美,第三次出现错误,不确定为什么?
然而,现在的主要查询是,我想一次为所有列名运行这个函数,类似于sapply(iris,mean)
,但我不确定如何做到这一点,因为该函数接收dataframe&列名。我试过这样做,但它给了我一个错误
sapply(iris,get_col_info(iris,names(iris)))
Error in match.fun(FUN) :
'get_col_info(iris, names(iris))' is not a function, character or symbol
两者都适用&欢迎使用purrr解决方案。我也在找人告诉我如何才能更好地编写我的函数,我怀疑我创建的c_name不是捕获列名的理想方法。
您应该使用class
来检查类型,而不是typeof
:
get_col_info <- function(data,col_name) {
s <- data[,col_name]
type <- class(s)
if(type %in% c("numeric","double","integer")){
min <- min(s)
max <- max(s)
mean <- mean(s)
aa <- list(min=min, max=max,mean=mean)
return(aa)
}
else if(type %in% c("character","factor")){
uni <- as.character(unique(s))
len <- length(uni)
aa <- list(n_values=len,unique_values=uni)
return(aa)
}
}
检查输出:
get_col_info(mtcars, "mpg")
#$min
#[1] 10.4
#$max
#[1] 33.9
#$mean
#[1] 20.09062
get_col_info(iris, "Species")
#$n_values
#[1] 3
#$unique_values
#[1] "setosa" "versicolor" "virginica"
要对多个列运行此操作,可以使用:
sapply(names(iris), get_col_info, data = iris)
如果您对purrr
解决方案感兴趣,也可以将sapply
替换为map
。
另一种方法是直接传递列值而不是名称。
get_col_info <- function(s) {
if(is.numeric(s)) {
min <- min(s)
max <- max(s)
mean <- mean(s)
aa <- list(min=min, max=max,mean=mean)
return(aa)
}
else {
uni <- as.character(unique(s))
len <- length(uni)
aa <- list(n_values=len,unique_values=uni)
return(aa)
}
}
sapply(iris, get_col_info)
您可以使用summarise
和across
,并进行类型检查(如is.numeric
(:
library(dplyr)
iris %>%
summarise(across(where(is.numeric), list(min=min, max=max, mean=mean)),
across(where(~is.factor(.) | is.character(.)),
list(n_values = ~length(unique(.)),
unique_values = ~as.character(unique(.))))) %>%
glimpse()
输出:
Rows: 3
Columns: 14
$ Sepal.Length_min <dbl> 4.3, 4.3, 4.3
$ Sepal.Length_max <dbl> 7.9, 7.9, 7.9
$ Sepal.Length_mean <dbl> 5.843333, 5.843333, 5.843333
$ Sepal.Width_min <dbl> 2, 2, 2
$ Sepal.Width_max <dbl> 4.4, 4.4, 4.4
$ Sepal.Width_mean <dbl> 3.057333, 3.057333, 3.057333
$ Petal.Length_min <dbl> 1, 1, 1
$ Petal.Length_max <dbl> 6.9, 6.9, 6.9
$ Petal.Length_mean <dbl> 3.758, 3.758, 3.758
$ Petal.Width_min <dbl> 0.1, 0.1, 0.1
$ Petal.Width_max <dbl> 2.5, 2.5, 2.5
$ Petal.Width_mean <dbl> 1.199333, 1.199333, 1.199333
$ Species_n_values <int> 3, 3, 3
$ Species_unique_values <chr> "setosa", "versicolor", "virginica"
注意:我添加glimpse()
是为了使输出更可读,没有必要。