确定数据框架列的数据类型

我使用R并使用read.csv()将数据加载到数据框架中。如何确定数据帧中每一列的数据类型?

572545 次浏览
小开 
sapply(yourdataframe, class)

你的dataframe是你正在使用的数据帧的名称

小开
最佳答案

你最好的开始是使用?str()。为了探索一些例子，让我们制作一些数据:

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])

@Wilmer E Henao H的解决方案非常精简:

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

使用str()可以获得这些信息和额外的好处(例如因子的级别和每个变量的前几个值):

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

@Gavin Simpson的方法也简化了，但提供的信息与class()略有不同:

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

有关class， typeof和中间子mode的更多信息，请参阅这个优秀的SO线程:对R中事物类型的全面调查。'mode'和'class'和'typeof'是不够的。

小开

我建议

sapply(foo, typeof)

如果你需要数据帧中向量的实际类型。class()是一个不同的野兽。

如果你不需要以向量的形式获取这个信息(也就是说，你不需要它来做其他的编程工作)，只需要使用str(foo)。

在这两种情况下，foo将被替换为数据帧的名称。

小开

下面是helpRFunctions包中的一个函数，它将返回数据帧中所有不同数据类型的列表，以及与该类型相关的特定变量名。

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

然后你可以做一些类似var(my.data[t$numeric])的事情。

希望这对你有帮助!

小开

简单地传递你的数据帧到下面的函数:

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")
}

生成数据帧中所有数据类型的图表。对于虹膜数据集，我们得到以下内容:

data_types(iris)

enter image description here

小开

因为说得不清楚，我补充一下:

我正在寻找一种方法来创建一个表格，其中包含所有数据类型的出现次数。

假设我们有一个data.frame，有两个数字列和一个逻辑列

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

您可以用它来总结每种数据类型的列数

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

如果您有很多列，并且想要快速浏览，那么这个方法非常方便。

给予信任:这个解决方案的灵感来自@Cybernetic的答案。

小开

如果你将csv文件作为data.frame(而不是matrix)导入，你也可以使用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
小开

另一种选择是使用purrr包的map函数。

library(purrr)
map(df,class)
小开

对于小数据帧:

library(tidyverse)


as_tibble(mtcars)

输出带有数据类型的df

# 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

对于大数据帧:

glimpse(mtcars)

给你一个结构化的数据类型视图:

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, ...

要获得列的数据类型列表(如上面的@Alexandre所述):

map(mtcars, class)

给出一个数据类型列表:

$mpg
[1] "numeric"


$cyl
[1] "numeric"


$disp
[1] "numeric"


$hp
[1] "numeric"

修改一个列的数据类型。

library(hablar)


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

将列mpg和am转换为字符，将列carb转换为整数:

# 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
小开

要获得一个带有类型和类的漂亮Tibble:

  purrr::map2_df(mtcars,names(mtcars), ~ {
tibble(
field = .y,
type = typeof(.x),
class_1 = class(.x)[1],
class_2 = class(.x)[2]
)
})
小开

为了方便使用数据框架，这里有一个简单的base函数

col_classes <- function(df) {
data.frame(
variable = names(df),
class = unname(sapply(df, class))
)
}
col_classes(my.data)
variable     class
1        y   numeric
2       x1   integer
3       x2   logical
4       X3 character

提交答案