在data.table R中使用lapply充满NA的列

Question

我在 data.table 中使用 lapply 时遇到问题。这里有两个例子：

library(data.table)
 library(lubridate)

test <- function(x) 
{
  if(is.na(x)) return(NA)
  if(x=="") return(NA)
  if(substr(x,3,3)=="/") return(as_date(x,"%d/%m/%Y"))
  return(2)
}

x1<-data.table(v1=c("","07/06/2016","",NA), v2=c("2004-06-18","","2004-06-18","2004-06-18"))
x1[,lapply(.SD,test)]

x2<-data.table(v1=c("2004-06-19","2004-06-18","",NA),v2=c("2004-06-18","","2004-06-18","2004-06-18"))
x2[,lapply(.SD,test)]

在第一个示例中，lapply 之后的第一列是NA，但我想获取的是NA, 2016-06-07, NA, NA。

在第二个例子中，第一列的最后两行是错误的，因为每行包含 2 但我认为应该包含NA。

我不明白 R 在这里如何看待NA。为了得到我想要的，我错过了什么？

Answer 1

经过多次尝试，答案是data.table 将列视为变量，而.SD 是一个列表，其元素是以列为变量，因此在应用函数时，如这里测试，此函数必须将列表作为参数。

以下是您应该更改的内容：

testList <- function(x) 
{
  lapply(x,test)
}

x1[,lapply(.SD,testList)]

如果有人知道其他解决方案，请随时分享。

Answer 2

首先，我无法在不引发错误的情况下运行您的示例。 data.tables 的第二列属于“日期”类，但 "" 条目不是日期。当它打印时，它的格式看起来像NA。尝试运行is.na(x1$v2[2]) 和x1$v2[2] == ""。

另外，您的矢量化似乎有问题。

尝试运行test(x1$v1)。注意警告信息。 is.na(x) 返回一个逻辑向量，但 if 只使用向量中的第一个元素。

In addition: Warning message:
In if (is.na(x)) return(NA) :
  the condition has length > 1 and only the first element will be used

您也许可以通过应用到每一行来修复它：

x1[, lapply(.SD, test), by = 1:nrow(x1)]

否则，您需要修改 test 函数以接受字符串向量并返回结果向量。但是你真的应该考虑返回一个单一类型的向量。

最后，我不明白这个例子中lubridate 的用途。为什么不使用as.Date(x,"%d/%m/%Y")。你从as_date得到什么？

编辑

你可以重写你的函数来处理向量：

test <- function(x) 
{
  ans <- rep.int(2, length(x))
  ans[is.na(x) | x == ""] <- NA
  dates <- grepl('../', x)
  ans[dates] <- as_date(x[dates], "%d/%m/%Y") 

  return(ans)
}