这可能更像是一个理论问题而不是编码问题。
我正在尝试编写一个闪亮的应用程序，它将遍历数据框的连续数字列并对这些列执行测试。该应用程序允许用户上传自己的数据框，所以我不知道它会提前是什么样子。我知道我可以使用 dplyr 包通过以下方式仅选择数字列
library(dplyr)
data <- data %>%
select(where(is.numeric))
这可行，但离散的数字列也会保留。我想不出一个只选择连续列的好方法。
我曾想过尝试做一些事情，比如只选择模式重复次数小于数据帧长度的某个比例的列。或者可能像唯一值的数量需要大于模式重复的次数。但这些似乎都不能很好地概括。而且他们也不会摆脱 id 列。
感谢任何想法，谢谢。
【问题讨论】：
is.double，您将返回 FALSE
标签： r selection continuous
有一个库schoolmath 带有is.decimal 和is.whole 函数：
library(schoolmath)
x <- c(1, 1.5)
any(is.decimal(x))
TRUE
因此您可以使用apply 处理您的数据框：
decimal_cols <- apply(df, 2, function(x) any(is.decimal(x))
返回的 TRUE 的索引值将是具有十进制值的列。
【讨论】：
如何定义is_continuous:
# one of them:
is_discrete <- function(vec) all(is.numeric(x)) && all(x %% 1 == 0)
is_discrete <- function(vec, tolerance=0.000001) all(is.numeric(x)) && all(min(abs(c(x %% 1, x %% 1 - 1))) < tolerance)
# and then:
is_continuous <- function(vec) all(is.numeric(vec)) && !is_discrete(vec)
然后，你可以这样做：
library(dplyr)
data <- data %>%
select(where(is_continuous))
【讨论】：
您是否考虑过将离散变量转化为因子？这是一个可能有您正在寻找的解决方案的示例：
library(dplyr)
head(mtcars)
> head(mtcars)
mpg cyl disp hp drat wt qsec vs am gear carb
Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4
Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4
Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1
Hornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1
Hornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2
Valiant 18.1 6 225 105 2.76 3.460 20.22 1 0 3 1
Then I turn cyl into a factor and then select only numeric columns apart from the factor which is cyl:
mtcars2 %>%
as_tibble() %>%
mutate(cyl = as.factor(cyl)) %>%
select(where( ~ !is.factor(.x) && is.numeric(.x))) %>%
slice_head(n = 5)
# A tibble: 5 x 10
mpg disp hp drat wt qsec vs am gear carb
<dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 21 160 110 3.9 2.62 16.5 0 1 4 4
2 21 160 110 3.9 2.88 17.0 0 1 4 4
3 22.8 108 93 3.85 2.32 18.6 1 1 4 1
4 21.4 258 110 3.08 3.22 19.4 1 0 3 1
5 18.7 360 175 3.15 3.44 17.0 0 0 3 2
我编辑了我的能力并且只使用了select 函数。但是，我假设您的离散变量的范围有限，例如 cyl 这里。如果你能分享你的数据让我们看看它们到底是什么，也许会更好。
【讨论】：