数据框，错误总结答案

【问题标题】：Data Frame, wrong summary数据框，错误总结
【发布时间】：2014-04-22 23:25:21
【问题描述】：

我有一个非常大的数据框，称为 FTSE。这是他的结构。

str(FTSE)

'data.frame':   21167 obs. of  5 variables:
 $ Name         : Factor w/ 2 levels "FTSE MIB","FTSE MIB NET TOT ": 1 1 1 1 1 1 1 1 1 1 ...
 $ DateLastTrade: Factor w/ 18 levels "12/10/13","12/11/13",..: 9 9 9 9 9 9 9 9 9 9 ...
 $ LastPrice    : num  19091 19008 19002 19018 19018 ...
 $ Open         : num  19091 19091 19091 19091 19091 ...
 $ LastClose    : num  19021 19021 19021 19021 19021 ...

我试着总结了一下，得到了：

summary(FTSE)
                Name        DateLastTrade     LastPrice          Open         LastClose    
 FTSE MIB         :10289   12/3/13 : 1370   Min.   :17750   Min.   :17811   Min.   :17805  
 FTSE MIB NET TOT :10878   12/4/13 : 1370   1st Qu.:18124   1st Qu.:18055   1st Qu.:18124  
                           12/6/13 : 1370   Median :18321   Median :18310   Median :18313  
                           12/2/13 : 1369   Mean   :18366   Mean   :18375   Mean   :18352  
                           12/5/13 : 1369   3rd Qu.:18595   3rd Qu.:18752   3rd Qu.:18697  
                           12/23/13: 1353   Max.   :19091   Max.   :19091   Max.   :19021  
                           (Other) :12966

注意“最后价格”列。如果我尝试直接总结 LastPrice （我在分析中实际需要的变量），我得到了这个，这与以前有很大的不同。

summary(FTSE$LastPrice)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  17750   18120   18320   18370   18600   19090

我是 R 的新手，我真的不明白为什么值不同。是四舍五入的问题？我已经阅读了很多关于此的答案，但我找不到统一结果的解决方案。我真的被这个问题困住了。

感谢任何可以帮助我甚至试图理解我的问题的人。问候

为 shujaa 编辑：

max(FTSE$LastPrice) 
[1] 19091.3

FTSE[which.max(FTSE$LastPrice), ]
      Name DateLastTrade LastPrice    Open LastClose
1 FTSE MIB       12/2/13   19091.3 19091.3  19021.48

【问题讨论】：

LastPrice 列中是否存在缺失值 (NA)？
@RichardScriven 我可以看到使分位数不同，也许，但最大不同！
请发几行数据，dput(head(data))。你在这里使用quantmod吗？
我很好奇的几件事：1. 你能用数据子集复制这个吗？如果您只使用 10000 行、15000 行等会怎样。 2. 如果 LastPrice 始终是整数（看起来是这样），请尝试使用 as.integer() 对其进行转换，看看是否有任何变化。
我也很好奇哪个是对的。 max(FTSE$LastPrice) 和 FTSE[which.max(FTSE$LastPrice), ] 得到什么？

标签： r dataframe summary

【解决方案1】：

这是一个四舍五入的问题。 summary(FTSE$LastPrice) 的所有输出只有 4 个有效数字。如果您查看 ?summary 在其 Usage 部分中，您会看到数字的默认值（作为命名参数）加上数字的默认值作为选项，您可以得到 4。

 # summary(object, ..., digits = max(3, getOption("digits")-3))

> getOption("digits")
[1] 7

那就试试吧：

summary(FTSE$LastPrice, digits=7)

然而，一个悬而未决的问题仍然存在：为什么 summary.data.frame 函数不进行相同程度的舍入，因为对于数字的默认参数对于 .default 和 .data.frame 方法是相同的？查看代码，您会看到 summary.data.frame 实际上首先在其列上使用固定值 digits=12L 执行 summary.default，然后使用数字参数到 format。在我看来，帮助页面在参数描述中的这个区域有些晦涩

digits: integer, used for number formatting with signif() (for summary.default) or 
                                                 format() (for  summary.data.frame).

它完全忽略了 data.frame 列的默认（和固定）signif 完全不同的事实。

【讨论】：

【解决方案2】：

data.frame 上的摘要 method 与 vector 的默认方法不同。可能导致使用不同的计算精度。 Read more here。如果您明确指定数字，它会起作用：

让我们创建数据：

nr <- 21167
set.seed(nr)
temp <- data.frame(Name=sample(c("FTSE","FTSE NET"),nr,replace=T),
                   DateLastTrade=sample(1:18,nr,replace=T),
                   LastPrice = sample(18000:21000,nr,replace=T),
                   Open = 19091,
                   LastClose = 19021
                   )


str(temp)

现在让我们重现你得到的：

summary(temp)
summary(temp$LastPrice)

现在让我们解决这个问题：

summary(temp,digits=7)
summary(temp$LastPrice,digits=7)

注意：这仅适用于您的数字 digit=10

【讨论】：