Określ typy danych kolumn ramki danych

Używam języka R i załadowałem dane do ramki danych przy użyciu read.csv(). Jak określić typ danych każdej kolumny w ramce danych?

Najlepiej zacząć od użycia ?str(). Aby zbadać kilka przykładów, zróbmy trochę danych:

set.seed(3221)  # this makes the example exactly reproducible
my.data <- data.frame(y=rnorm(5), 
                      x1=c(1:5), 
                      x2=c(TRUE, TRUE, FALSE, FALSE, FALSE),
                      X3=letters[1:5])

Rozwiązanie @Wilmer E Henao H jest bardzo usprawnione:

sapply(my.data, class)
        y        x1        x2        X3 
"numeric" "integer" "logical"  "factor" 

Użycie zapewnia str()te informacje oraz dodatkowe korzyści (takie jak poziomy współczynników i kilka pierwszych wartości każdej zmiennej):

str(my.data)
'data.frame':  5 obs. of  4 variables:
$ y : num  1.03 1.599 -0.818 0.872 -2.682
$ x1: int  1 2 3 4 5
$ x2: logi  TRUE TRUE FALSE FALSE FALSE
$ X3: Factor w/ 5 levels "a","b","c","d",..: 1 2 3 4 5

Podejście @Gavina Simpsona jest również usprawnione, ale dostarcza nieco innych informacji niż class():

sapply(my.data, typeof)
       y        x1        x2        X3 
"double" "integer" "logical" "integer"

Aby uzyskać więcej informacji na temat class, typeofi środkowego dziecka, modezobacz ten doskonały wątek SO: Kompleksowy przegląd typów rzeczy w „trybie” R, „klasie” i „typie” jest niewystarczający .

sapply(yourdataframe, class)

Gdzie twoja ramka danych to nazwa ramki danych, której używasz

sugerowałbym

sapply(foo, typeof)

jeśli potrzebujesz rzeczywistych typów wektorów w ramce danych. class()jest czymś w rodzaju innej bestii.

Jeśli nie potrzebujesz uzyskać tej informacji jako wektor (tj. Nie potrzebujesz jej do zrobienia czegoś innego programistycznie później), po prostu użyj str(foo).

W obu przypadkach foozostanie zastąpiona nazwą ramki danych.

Po prostu przekaż ramkę danych do następującej funkcji:

data_types <- function(frame) {
  res <- lapply(frame, class)
  res_frame <- data.frame(unlist(res))
  barplot(table(res_frame), main="Data Types", col="steelblue", ylab="Number of Features")
}

aby stworzyć wykres wszystkich typów danych w ramce danych. Dla zbioru danych tęczówki otrzymujemy:

data_types(iris)

W przypadku małych ramek danych:

library(tidyverse)

as_tibble(mtcars)

daje wydruk pliku df z typami danych

# A tibble: 32 x 11
     mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb
 * <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
 1  21       6  160    110  3.9   2.62  16.5     0     1     4     4
 2  21       6  160    110  3.9   2.88  17.0     0     1     4     4
 3  22.8     4  108     93  3.85  2.32  18.6     1     1     4     1

W przypadku dużych ramek danych:

glimpse(mtcars)

zapewnia uporządkowany widok typów danych:

Observations: 32
Variables: 11
$ mpg  <dbl> 21.0, 21.0, 22.8, 21.4, 18.7, 18.1, 14.3, 24.4, 22.8, 19.2, 17.8, 16.4, 17....
$ cyl  <dbl> 6, 6, 4, 6, 8, 6, 8, 4, 4, 6, 6, 8, 8, 8, 8, 8, 8, 4, 4, 4, 4, 8, 8, 8, 8, ...
$ disp <dbl> 160.0, 160.0, 108.0, 258.0, 360.0, 225.0, 360.0, 146.7, 140.8, 167.6, 167.6...
$ hp   <dbl> 110, 110, 93, 110, 175, 105, 245, 62, 95, 123, 123, 180, 180, 180, 205, 215...
$ drat <dbl> 3.90, 3.90, 3.85, 3.08, 3.15, 2.76, 3.21, 3.69, 3.92, 3.92, 3.92, 3.07, 3.0...
$ wt   <dbl> 2.620, 2.875, 2.320, 3.215, 3.440, 3.460, 3.570, 3.190, 3.150, 3.440, 3.440...
$ qsec <dbl> 16.46, 17.02, 18.61, 19.44, 17.02, 20.22, 15.84, 20.00, 22.90, 18.30, 18.90...
$ vs   <dbl> 0, 0, 1, 1, 0, 1, 0, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 0, 0, 0, 0, ...
$ am   <dbl> 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 0, 0, 0, 0, 0, ...
$ gear <dbl> 4, 4, 4, 3, 3, 3, 3, 4, 4, 4, 4, 3, 3, 3, 3, 3, 3, 4, 4, 4, 3, 3, 3, 3, 3, ...
$ carb <dbl> 4, 4, 1, 1, 2, 1, 4, 2, 2, 4, 4, 3, 3, 3, 4, 4, 4, 1, 2, 1, 1, 2, 2, 4, 2, ...

Aby uzyskać listę typów danych kolumn (jak powiedział @Alexandre powyżej):

map(mtcars, class)

podaje listę typów danych:

$mpg
[1] "numeric"

$cyl
[1] "numeric"

$disp
[1] "numeric"

$hp
[1] "numeric"

Aby zmienić typ danych w kolumnie:

library(hablar)

mtcars %>% 
  convert(chr(mpg, am),
          int(carb))

konwertuje kolumny mpgi amna znak, a kolumnę carbna liczbę całkowitą:

# A tibble: 32 x 11
   mpg     cyl  disp    hp  drat    wt  qsec    vs am     gear  carb
   <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <chr> <dbl> <int>
 1 21        6  160    110  3.9   2.62  16.5     0 1         4     4
 2 21        6  160    110  3.9   2.88  17.0     0 1         4     4
 3 22.8      4  108     93  3.85  2.32  18.6     1 1         4     1
 4 21.4      6  258    110  3.08  3.22  19.4     1 0         3     1

Ponieważ nie zostało to jasno określone, po prostu dodaję:

Szukałem sposobu na utworzenie tabeli zawierającej liczbę wystąpień wszystkich typów danych .

Powiedzmy, że mamy data.framedwie kolumny liczbowe i jedną logiczną

dta <- data.frame(a = c(1,2,3), 
                  b = c(4,5,6), 
                  c = c(TRUE, FALSE, TRUE))

Za pomocą tego można podsumować liczbę kolumn każdego typu danych

table(unlist(lapply(dta, class)))
# logical numeric 
#       1       2 

Jest to niezwykle przydatne, jeśli masz dużo kolumn i chcesz uzyskać szybki przegląd.

Dla uznania: To rozwiązanie zostało zainspirowane odpowiedzią @Cybernetic .

Oto funkcja, która jest częścią pakietu helpRFunctions , która zwraca listę wszystkich różnych typów danych w ramce danych, a także określone nazwy zmiennych skojarzonych z tym typem.

install.package('devtools') # Only needed if you dont have this installed.
library(devtools)
install_github('adam-m-mcelhinney/helpRFunctions')
library(helpRFunctions)
my.data <- data.frame(y=rnorm(5), 
                  x1=c(1:5), 
                  x2=c(TRUE, TRUE, FALSE, FALSE, FALSE),
                  X3=letters[1:5])
t <- list.df.var.types(my.data)
t$factor
t$integer
t$logical
t$numeric

Możesz wtedy zrobić coś takiego var(my.data[t$numeric]).

Mam nadzieję, że to jest pomocne!

Jeśli importujesz plik csv jako data.frame (a nie macierz), możesz również użyć summary.default

summary.default(mtcars)

     Length Class  Mode   
mpg  32     -none- numeric
cyl  32     -none- numeric
disp 32     -none- numeric
hp   32     -none- numeric
drat 32     -none- numeric
wt   32     -none- numeric
qsec 32     -none- numeric
vs   32     -none- numeric
am   32     -none- numeric
gear 32     -none- numeric
carb 32     -none- numeric

Inną opcją jest użycie funkcji map pakietu purrr.

library(purrr)
map(df,class)