Question

我正在将SAS数据集读入R. SAS将缺少的字符值存储为空引号，但幸运的是zap_empty()将这些值转换为NA。

我的数据集包含近400个变量，我宁愿不单独检查每个变量。我想创建一个循环来标识变量是否是一个字符，然后应用zap_empty()。

read_sas()将数据导入tbl_df而不是data.frame。如果我首先将数据转换为data.frame，则以下循环有效。

x <- as.data.frame(mydf)
for (i in seq(ncol(x))) {
  if(is.character(x[,i])){
    x[,i] <- zap_empty(x[,i])
  }
}

我想了解如何使用tbl_df使用布尔测试来标识列类。下面提供了一个示例SAS数据集，使用read_sas()中的haven进行阅读。

> wolves <- read_sas('http://psych.colorado.edu/~carey/Courses/PSYC7291/DataSets/SAS/wolves.sas7bdat')
>
> # The first 3 variables are characters
> glimpse(wolves)
Observations: 25
Variables: 13
$ location (chr) "rm", "rm", "rm", "rm", "rm", "rm", "rm", "rm", "rm"...
$ wolf     (chr) "rmm1", "rmm2", "rmm3", "rmm4", "rmm5", "rmm6", "rm"...
$ sex      (chr) "m", "m", "m", "m", "m", "m", "f", "f", "f", "m", "m"...
$ x1       (dbl) 126, 128, 126, 125, 126, 128, 116, 120, 116, 117, 1...
$ x2       (dbl) 104, 111, 108, 109, 107, 110, 102, 103, 103, 99, 10...
$ x3       (dbl) 141, 151, 152, 141, 143, 143, 131, 130, 125, 134, 1...
$ x4       (dbl) 81.0, 80.4, 85.7, 83.1, 81.9, 80.6, 76.7, 75.1, 74....
$ x5       (dbl) 31.8, 33.8, 34.7, 34.0, 34.0, 33.0, 31.5, 30.2, 31....
$ x6       (dbl) 65.7, 69.8, 69.1, 68.0, 66.1, 65.0, 65.0, 63.8, 62....
$ x7       (dbl) 50.9, 52.7, 49.3, 48.2, 49.0, 46.4, 45.4, 44.4, 41....
$ x8       (dbl) 44.0, 43.2, 45.6, 43.8, 42.4, 40.2, 39.0, 41.1, 44....
$ x9       (dbl) 18.2, 18.5, 17.9, 18.4, 17.9, 18.2, 16.8, 16.9, 17....
$ subject  (dbl) 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, ...
>
> # But my loop cannot identify that
> for (i in 1:ncol(wolves)){
+   if (is.character(wolves[,i])){
+     print('bar')
+   } else {print('foo')}
+ }
[1] "foo"
[1] "foo"
[1] "foo"
[1] "foo"
[1] "foo"
[1] "foo"
[1] "foo"
[1] "foo"
[1] "foo"
[1] "foo"
[1] "foo"
[1] "foo"
[1] "foo"

当我使用$访问该列时，它被标识为字符，但在使用索引时则不会。

> class(wolves$sex)
[1] "character"
> class(wolves[,'sex'])
[1] "tbl_df"     "data.frame"

使用循环，如何识别tbl_df对象中的哪些列是字符变量？

从@Sumedh我现在可以确定哪些列是字符这个错误是否意味着我不能在循环中使用zap_empty()？

> for (i in seq(which(sapply(wolves, class) == 'character'))){
+   wolves[,i] <- zap_empty(wolves[,i])
+ }
 Show Traceback

 Rerun with Debug
 Error: is.character(x) is not TRUE

Answer 1

您希望确保在字符向量而不是单列数据框上测试is.character(x)。

您的is.character(x[,i])未正确检查字符，因为单个括号下标始终会返回相同类型的对象。由于x是数据框，x[,i]也是数据框。要获取字符向量，我们使用[[1]]选择x[,i]单列数据框中的第一个向量。

x <- as.data.frame(mydf)
for (i in seq(ncol(x))) {
  if(is.character(x[,i][[1]])){
    x[,i] <- zap_empty(x[,i][[1]])
  }
}

这里的数据科学R书更好，更全面地解释了这一点：http://r4ds.had.co.nz/vectors.html#recursive-vectors-lists

没有循环的一种方法：

character_vars <- lapply(x, class) == "character"
x[, character_vars] <- lapply(x[, character_vars], zap_empty)

标识tbl_df列类

1 个答案: