R: избегайте превращения фреймов данных с одной строкой в вектор при использовании функций применения
У меня часто возникает проблема, заключающаяся в том, что R преобразует кадры данных одного столбца в векторы символов, которые я решаю с помощью параметра drop=FALSE.
Однако бывают случаи, когда я не знаю, как решить проблему такого поведения в R, и это один из них.
У меня есть фрейм данных, подобный следующему:
mydf <- data.frame(ID=LETTERS[1:3], value1=paste(LETTERS[1:3], 1:3), value2=paste(rev(LETTERS)[1:3], 1:3))
это выглядит так:
> mydf
ID value1 value2
1 A A 1 Z 1
2 B B 2 Y 2
3 C C 3 X 3
Задача, которую я здесь выполняю, состоит в том, чтобы заменить пробелы на _ в каждом столбце, кроме первого, и я хочу использовать для этого семейную функцию apply, в данном случае sapply.
Я делаю следующее:
new_df <- as.data.frame(sapply(mydf[,-1,drop=F], function(x) gsub("\\s+","_",x)))
new_df <- cbind(mydf[,1,drop=F], new_df)
Результирующий фрейм данных выглядит именно так, как я хочу:
> new_df
ID value1 value2
1 A A_1 Z_1
2 B B_2 Y_2
3 C C_3 X_3
Моя проблема начинается с некоторых редких случаев, когда мой ввод может иметь только одну строку данных. Я почему-то так и не понял, у R в этих случаях совсем другое поведение, но тут никакая опция drop=FALSE меня не спасет...
Мой фрейм входных данных сейчас:
mydf <- data.frame(ID=LETTERS[1], value1=paste(LETTERS[1], 1), value2=paste(rev(LETTERS)[1], 1))
который выглядит так:
> mydf
ID value1 value2
1 A A 1 Z 1
Однако, когда я применяю тот же код, мой результирующий фрейм данных выглядит ужасно:
> new_df
ID sapply(mydf[, -1, drop = F], function(x) gsub("\\\\s+", "_", x))
value1 A A_1
value2 A Z_1
Как решить эту проблему, чтобы одна и та же строка кода давала одинаковый результат для фреймов входных данных любого количества строк?
Более глубокий вопрос будет заключаться в том, с какой стати R делает это? Я продолжаю возвращаться к своим кодам, когда у меня появляются новые странные входные данные с одной строкой/столбцом, потому что они ломают все... Спасибо!
Ответы 3
Вы можете решить свою проблему, используя lapply вместо sapply, а затем объединить результат, используя do.call следующим образом.
new_df <- as.data.frame(lapply(mydf[,-1,drop=F], function(x) gsub("\\s+","_",x)))
new_df <- do.call(cbind, new_df)
new_df
# value1 value2
#[1,] "A_1" "Z_1"
new_df <- cbind(mydf[,1,drop=F], new_df)
#new_df
# ID value1 value2
#1 A A_1 Z_1
Что касается вашего вопроса о непредсказуемом поведении sapply, это связано с тем, что s в sapply представляет упрощение, но упрощенный результат не обязательно будет фреймом данных. Это может быть фрейм данных, матрица или вектор.
Согласно документации sapply:
sapply is a user-friendly version and wrapper of lapply by default returning a vector, matrix or, if simplify = "array", an array if appropriate, by applying simplify2array().
По аргументу simplify:
logical or character string; should the result be simplified to a vector, matrix or higher dimensional array if possible? For sapply it must be named and not abbreviated. The default value, TRUE, returns a vector or matrix if appropriate, whereas if simplify = "array" the result may be an array of “rank” (=length(dim(.))) one higher than the result of FUN(X[[i]]).
Часть Подробности объясняет свое поведение, которое мало похоже на то, что вы испытали (выделено мной):
Simplification in sapply is only attempted if X has length greater than zero and if the return values from all elements of X are all of the same (positive) length. If the common length is one the result is a vector, and if greater than one is a matrix with a column corresponding to each element of X.
Хэдли Уикхэм также рекомендует не использовать sapply:
I recommend that you avoid sapply() because it tries to simplify the result, so it can return a list, a vector, or a matrix. This makes it difficult to program with, and it should be avoided in non-interactive settings
Он также рекомендует не использовать apply с фреймом данных. См. Расширенный R для дальнейшего объяснения.
У меня недостаточно опыта, чтобы рекомендовать лучшее эмпирическое правило. Я надеюсь, что многие эксперты по R здесь справятся. Мое личное мнение, что для вектора vapply лучше всего. apply подходит для матриц, подходит для фреймов данных. lapply подходит для фреймов данных, но выходные данные представляют собой списки, которые не являются фреймами данных. for цикл лучше всего подходит для последовательной работы. Map подходит для более чем одного условного предложения. Другими хорошими вариантами являются семейства карт из пакета purrrpurrr.tidyverse.org/reference/map.html.
Вы также можете использовать функцию map_df из пакета purrr, которая применяет функцию к каждому элементу объекта, а также возвращает фрейм данных:
library(dplyr)
library(purrr)
mydf %>%
mutate(map_df(select(cur_data(), starts_with("value")), ~ gsub("\\s", "_", .x)))
ID value1 value2
1 A A_1 Z_1
И с исходным фреймом данных:
ID value1 value2
1 A A_1 Z_1
2 B B_2 Y_2
3 C C_3 X_3
Вот решение, которое заменяет исходные данные. Однако не уверен, что это влияет на ваш рабочий процесс. Обратите внимание, что я использовал apply, который используется для обработки data.frames по строкам или столбцам.
mydf <- data.frame(ID=LETTERS[1], value1=paste(LETTERS[1], 1), value2=paste(rev(LETTERS)[1], 1))
xy <- apply(X = mydf[, -1, drop = FALSE],
MARGIN = 2,
FUN = function(x) gsub("\\s+", "_", x),
simplify = FALSE
)
xy <- do.call(cbind, xy)
xy <- as.data.frame(xy)
mydf[, -1] <- as.data.frame(xy)
mydf
ID value1 value2
1 A A_1 Z_1
спасибо за подробное объяснение! Лаппи решил это! правда в том, что я никогда не уверен, какую функцию применить ... какое лучшее эмпирическое правило?