Я використовую R і завантажую дані в рамку даних за допомогою read.csv()
. Як визначити тип даних кожного стовпця в кадрі даних?
str(...)
не є масштабованим і не вистачає пари на <100 cols.
Я використовую R і завантажую дані в рамку даних за допомогою read.csv()
. Як визначити тип даних кожного стовпця в кадрі даних?
str(...)
не є масштабованим і не вистачає пари на <100 cols.
Відповіді:
Найкраще почати це використовувати ?str()
. Щоб вивчити деякі приклади, давайте наведемо деякі дані:
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 рішення Хенао Н дуже впорядковано:
sapply(my.data, class)
y x1 x2 X3
"numeric" "integer" "logical" "factor"
Використовуючи, str()
ви отримуєте цю інформацію плюс додаткові смаколики (наприклад, рівень ваших факторів та перші кілька значень кожної змінної):
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
Підхід @Gavin Simpson також є оптимізованим, але надає трохи іншу інформацію, ніж class()
:
sapply(my.data, typeof)
y x1 x2 X3
"double" "integer" "logical" "integer"
Для отримання додаткової інформації про class
, typeof
і середнього дитини, mode
см цій прекрасній SO нитка: Всебічне дослідження типів речей в «режимі» Р. «клас» і «TYPEOF» недостатньо .
str(dataframe)
це найшвидший спосіб визначити типи стовпців з першого погляду. Інші підходи вимагають більше натискань клавіш і не показують стільки інформації, але вони корисні, якщо типи даних стовпців є входом до інших функцій.
apply()
? Це для матриць. Кадр - це перелік (особливий вид).
sapply(yourdataframe, class)
Там, де yourdataframe - назва кадру даних, який ви використовуєте
Я б запропонував
sapply(foo, typeof)
якщо вам потрібні фактичні типи векторів у кадрі даних. class()
дещо інший звір.
Якщо вам не потрібно отримувати цю інформацію як вектор (тобто вам не потрібно, щоб пізніше робити щось інше програмно), просто використовуйте str(foo)
.
В обох випадках foo
було б замінено назвою вашого кадру даних.
Просто переведіть ваш кадр даних у наступну функцію:
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")
}
створити графік усіх типів даних у вашому кадрі даних. Для набору даних райдужної оболонки ми отримуємо наступне:
data_types(iris)
Для невеликих кадрів даних:
library(tidyverse)
as_tibble(mtcars)
надає друк із формату df з типами даних
# 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
Для великих кадрів даних:
glimpse(mtcars)
дає структурований вигляд типів даних:
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, ...
Щоб отримати список типів даних стовпців (як сказано в @Alexandre вище):
map(mtcars, class)
надає перелік типів даних:
$mpg
[1] "numeric"
$cyl
[1] "numeric"
$disp
[1] "numeric"
$hp
[1] "numeric"
Щоб змінити тип даних стовпця:
library(hablar)
mtcars %>%
convert(chr(mpg, am),
int(carb))
перетворює стовпці mpg
і am
символи, а стовпець carb
у ціле число:
# A tibble: 32 x 11
mpg cyl disp hp drat wt qsec vs am gear carb
<chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <chr> <dbl> <int>
1 21 6 160 110 3.9 2.62 16.5 0 1 4 4
2 21 6 160 110 3.9 2.88 17.0 0 1 4 4
3 22.8 4 108 93 3.85 2.32 18.6 1 1 4 1
4 21.4 6 258 110 3.08 3.22 19.4 1 0 3 1
Оскільки це не було чітко зазначено, я просто додаю це:
Я шукав спосіб створити таблицю, яка містить кількість входів усіх типів даних .
Скажімо, у нас є data.frame
два числовий і один логічний стовпець
dta <- data.frame(a = c(1,2,3),
b = c(4,5,6),
c = c(TRUE, FALSE, TRUE))
Можна з цим узагальнити кількість стовпців кожного типу даних
table(unlist(lapply(dta, class)))
# logical numeric
# 1 2
Це дуже зручно, якщо у вас багато колонок і хочете отримати швидкий огляд.
Щоб дати кредит: Це рішення надихнуло відповідь @Cybernetic .
Ось функція, яка є частиною пакету helpRFunctions, який поверне список усіх різних типів даних у вашому кадрі даних, а також конкретні імена змінних, пов’язані з цим типом.
install.package('devtools') # Only needed if you dont have this installed.
library(devtools)
install_github('adam-m-mcelhinney/helpRFunctions')
library(helpRFunctions)
my.data <- data.frame(y=rnorm(5),
x1=c(1:5),
x2=c(TRUE, TRUE, FALSE, FALSE, FALSE),
X3=letters[1:5])
t <- list.df.var.types(my.data)
t$factor
t$integer
t$logical
t$numeric
Тоді ви могли б зробити щось на кшталт var(my.data[t$numeric])
.
Сподіваюся, це корисно!
lapply(your_data, class)
трохи додаткової обробки для форматування.
Якщо ви імпортуєте файл csv як файл data.frame (а не матриця), ви також можете використовувати 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
Інший варіант - використання функції карти пакету purrr.
library(purrr)
map(df,class)
sapply(..., class))
інтерактивно (наприкладstr(...)
) або обидва)? Це взагалі більш масштабовано робити це програмно, тоді ви можете довільно скластиFilter(...)
список цілих чисел, символів, факторів тощо. Або ви можете використовуватиgrep/grepl
для виведення типів стовпців,names(...)
якщо вони дотримуються будь-яких умов іменування