列中满 NA 在 data.table R 中使用 lapply

Question

我在data.table中使用lapply时遇到问题。下面是两个示例：

library(data.table)
 library(lubridate)
test <- function(x) 
{
  if(is.na(x)) return(NA)
  if(x=="") return(NA)
  if(substr(x,3,3)=="/") return(as_date(x,"%d/%m/%Y"))
  return(2)
}
x1<-data.table(v1=c("","07/06/2016","",NA), v2=c("2004-06-18","","2004-06-18","2004-06-18"))
x1[,lapply(.SD,test)]
x2<-data.table(v1=c("2004-06-19","2004-06-18","",NA),v2=c("2004-06-18","","2004-06-18","2004-06-18"))
x2[,lapply(.SD,test)]

在第一个例子中，lapply后的第一列充满了NA，但我想得到的是NA, 2016-06-07, NA, NA。

在第二个示例中，第一列的最后两行是错误的，因为每行包含 2 但在我看来应该包含 NA 。

我不明白 R 如何考虑这里的NA。我错过了什么才能得到我想要的东西？

Answer 1

经过多次尝试，答案是data.table将列视为变量，而.SD是一个列表，其元素是列作为变量，因此在应用函数时，作为此处的测试，该函数必须将列表作为参数。

以下是您应该更改的内容：

testList <- function(x) 
{
  lapply(x,test)
}
x1[,lapply(.SD,testList)]

如果有人知道其他解决方案，请不要犹豫，分享。

Answer 2

首先，我无法在不抛出错误的情况下运行您的示例。data.tables 的第二列属于类"Date"，但""条目不是日期。打印时，它的格式看起来像NA。尝试运行 is.na(x1$v2[2]) 并x1$v2[2] == "" 。

此外，您似乎在矢量化方面存在问题。

尝试运行test(x1$v1) 。请注意警告消息。 is.na(x)返回逻辑向量，但if仅使用向量中的第一个元素。

In addition: Warning message:
In if (is.na(x)) return(NA) :
  the condition has length > 1 and only the first element will be used

您可以通过应用于每一行来修复它：

x1[, lapply(.SD, test), by = 1:nrow(x1)]

否则，您需要修改 test 函数以接受字符串向量并返回结果向量。但是您确实应该考虑返回单个类型的向量。

最后，我不明白在这个例子中lubridate的目的。为什么不使用as.Date(x,"%d/%m/%Y").你从as_date中得到了什么？

编辑

您可以重写函数以处理向量：

test <- function(x) 
{
  ans <- rep.int(2, length(x))
  ans[is.na(x) | x == ""] <- NA
  dates <- grepl('../', x)
  ans[dates] <- as_date(x[dates], "%d/%m/%Y") 
  return(ans)
}