在 R 中的自定义函数上使用 sapply

Question

（使用 mtcars 和 iris 进行再现）

我创建了一个 R 函数 get_col_info 来查找数据摘要，如下所示：

1. 如果列是numeric/integer/double，则得到最小值、最大值、平均值

2. 如果列是character/factor，则获取唯一值和唯一值的计数

    get_col_info <- function(data,col_name) {  
   
     c_name <- c(col_name)
     s <- data[,c_name]
     type <- typeof(s)
   
     if(type %in% c("numeric","double","integer")){
      min <- min(s)
      max <- max(s)
      mean <- mean(s)
      aa <- list(min=min, max=max,mean=mean)
      return(aa)
     }
   
    if(type %in% c("character","factor")){
     uni <- unique(s)
     len <- length(uni)
     aa <- list(n_values=len,unique_values=c(uni))
     return(aa)}
    }
   
   get_col_info(mtcars, "mpg")
   get_col_info(iris, "Petal.Width")
   get_col_info(iris, "Species")
   

前两次运行完美，第三次出错，不知道为什么？

但是，现在主要查询是我想一次为所有列名运行此函数，例如sapply(iris,mean)，但我不确定如何执行此操作，因为该函数接受数据框和列名。我试过这样做，但它给了我一个错误

sapply(iris,get_col_info(iris,names(iris)))

Error in match.fun(FUN) : 
  'get_col_info(iris, names(iris))' is not a function, character or symbol

欢迎使用 apply 和 purrr 解决方案。我也在找人告诉我如何才能更好地编写函数，我怀疑我创建的 c_name 不是捕获列名的理想方法。

Answer 1

你应该使用class而不是typeof来检查类型：

get_col_info <- function(data,col_name) {    
  s <- data[,col_name]
  type <- class(s)
  if(type %in% c("numeric","double","integer")){
    min <- min(s)
    max <- max(s)
    mean <- mean(s)
    aa <- list(min=min, max=max,mean=mean)
    return(aa)
  }
  else if(type %in% c("character","factor")){
    uni <- as.character(unique(s))
    len <- length(uni)
    aa <- list(n_values=len,unique_values=uni)
    return(aa)
  }
}

检查输出：

get_col_info(mtcars, "mpg")
#$min
#[1] 10.4

#$max
#[1] 33.9

#$mean
#[1] 20.09062

get_col_info(iris, "Species")
#$n_values
#[1] 3

#$unique_values
#[1] "setosa"     "versicolor" "virginica" 

---

要对多个列运行此操作，您可以使用：

sapply(names(iris), get_col_info, data = iris)

如果您对purrr 解决方案感兴趣，或者将sapply 替换为map。

---

另一种方法是直接传递列值而不是名称。

get_col_info <- function(s) {    
  if(is.numeric(s)) {
    min <- min(s)
    max <- max(s)
    mean <- mean(s)
    aa <- list(min=min, max=max,mean=mean)
    return(aa)
  }
  else {
    uni <- as.character(unique(s))
    len <- length(uni)
    aa <- list(n_values=len,unique_values=uni)
    return(aa)
  }
}

sapply(iris, get_col_info)

Answer 2

您可以使用summarise 和across 执行此操作，并进行类型检查（如is.numeric）：

library(dplyr)

iris %>%
  summarise(across(where(is.numeric), list(min=min, max=max, mean=mean)),
            across(where(~is.factor(.) | is.character(.)), 
                   list(n_values = ~length(unique(.)), 
                        unique_values = ~as.character(unique(.))))) %>%
  glimpse()

输出：

Rows: 3
Columns: 14
$ Sepal.Length_min      <dbl> 4.3, 4.3, 4.3
$ Sepal.Length_max      <dbl> 7.9, 7.9, 7.9
$ Sepal.Length_mean     <dbl> 5.843333, 5.843333, 5.843333
$ Sepal.Width_min       <dbl> 2, 2, 2
$ Sepal.Width_max       <dbl> 4.4, 4.4, 4.4
$ Sepal.Width_mean      <dbl> 3.057333, 3.057333, 3.057333
$ Petal.Length_min      <dbl> 1, 1, 1
$ Petal.Length_max      <dbl> 6.9, 6.9, 6.9
$ Petal.Length_mean     <dbl> 3.758, 3.758, 3.758
$ Petal.Width_min       <dbl> 0.1, 0.1, 0.1
$ Petal.Width_max       <dbl> 2.5, 2.5, 2.5
$ Petal.Width_mean      <dbl> 1.199333, 1.199333, 1.199333
$ Species_n_values      <int> 3, 3, 3
$ Species_unique_values <chr> "setosa", "versicolor", "virginica"

注意：我添加了glimpse() 以使输出更具可读性，这不是必需的。