Eine elegante Möglichkeit zum Ändern von Spalten geben Datenrahmen in R

Question

Ich habe eine data.frame, die Spalten verschiedener Typen enthält, wie z. B. Integer, Zeichen, numerische und Faktor.

Ich muss die Integer-Spalten für die Verwendung im nächsten Schritt der Analyse in numerische konvertieren.

Beispiel: test.data enthält 4 Spalten (obwohl es Tausende in meinem realen Datensatz ist): age, gender, work.years und name; age und work.years sind ganze Zahlen, gender ist Faktor, und name ist Zeichen. Was ich tun muss, ist age und work.years in einen numerischen Typ zu ändern. Und ich habe einen Code dafür geschrieben.

test.data[sapply(test.data, is.integer)] <-lapply(test.data[sapply(test.data, is.integer)], as.numeric) 

Es sieht nicht gut genug aus, obwohl es funktioniert. Ich frage mich also, ob es elegantere Methoden gibt, diese Funktion zu erfüllen. Jede kreative Methode wird geschätzt.

Answer 1

Ich denke, elegant Code manchmal subjektiv ist. Für mich ist das elegant, aber im Vergleich zum OP-Code möglicherweise weniger effizient. Da es sich jedoch um eleganten Code handelt, kann dieser verwendet werden.

test.data[] <- lapply(test.data, function(x) if(is.integer(x)) as.numeric(x) else x) 

Auch eine andere elegante Möglichkeit ist dplyr

library(dplyr) 
library(magrittr) 
test.data %<>% 
     mutate_each(funs(if(is.integer(.)) as.numeric(.) else .)) 

Answer 2

Es sind Aufgaben wie diese, die ich am besten mit expliziten Schleifen erreicht habe. Sie kaufen hier nichts, indem Sie eine einfache For-Schleife durch die versteckte Schleife einer Funktion wie lapply() ersetzen. Beispiel:

## generate data 
set.seed(1L); 
N <- 3L; test.data <- data.frame(age=sample(20:90,N,T),gender=factor(sample(c('M','F'),N,T)),work.years=sample(1:5,N,T),name=sample(letters,N,T),stringsAsFactors=F); 
test.data; 
## age gender work.years name 
## 1 38  F   5 b 
## 2 46  M   4 f 
## 3 60  F   4 e 
str(test.data); 
## 'data.frame': 3 obs. of 4 variables: 
## $ age  : int 38 46 60 
## $ gender : Factor w/ 2 levels "F","M": 1 2 1 
## $ work.years: int 5 4 4 
## $ name  : chr "b" "f" "e" 

---

## solution 
for (cn in names(test.data)[sapply(test.data,is.integer)]) 
    test.data[[cn]] <- as.double(test.data[[cn]]); 

---

## result 
test.data; 
## age gender work.years name 
## 1 38  F   5 b 
## 2 46  M   4 f 
## 3 60  F   4 e 
str(test.data); 
## 'data.frame': 3 obs. of 4 variables: 
## $ age  : num 38 46 60 
## $ gender : Factor w/ 2 levels "F","M": 1 2 1 
## $ work.years: num 5 4 4 
## $ name  : chr "b" "f" "e" 

Answer 3

Jetzt sehr elegant in dplyr (mit magrittr%<>% Operator)

test.data %<>% mutate_if(is.integer,as.numeric)