Конвертировать сразу несколько столбцов кадра данных

Ответ 1

Изменить См. этот связанный вопрос для некоторых упрощений и расширений этой основной идеи.

Мой комментарий к Брэндону, используя switch:

convert.magic <- function(obj,types){
    for (i in 1:length(obj)){
        FUN <- switch(types[i],character = as.character, 
                                   numeric = as.numeric, 
                                   factor = as.factor)
        obj[,i] <- FUN(obj[,i])
    }
    obj
}

out <- convert.magic(foo,c('character','character','numeric'))
> str(out)
'data.frame':   10 obs. of  3 variables:
 $ x: chr  "1" "2" "3" "4" ...
 $ y: chr  "red" "red" "red" "blue" ...
 $ z: num  15254 15255 15256 15257 15258 ...

Для действительно больших кадров данных вы можете использовать lapply вместо цикла for:

convert.magic1 <- function(obj,types){
    out <- lapply(1:length(obj),FUN = function(i){FUN1 <- switch(types[i],character = as.character,numeric = as.numeric,factor = as.factor); FUN1(obj[,i])})
    names(out) <- colnames(obj)
    as.data.frame(out,stringsAsFactors = FALSE)
}

При этом обратите внимание на некоторые из тонкостей данных принуждения в R. Например, преобразование из коэффициента в числовое часто включает as.numeric(as.character(...)). Кроме того, помните о data.frame() и as.data.frame() поведение по умолчанию преобразования символа в коэффициент.

Ответ 2

Если вы хотите автоматически определять тип данных столбцов, а не вручную указывать его (например, после обработки данных и т.д.), Может помочь функция type.convert().

Функция type.convert() принимает вектор символов и пытается определить оптимальный тип для всех элементов (что означает, что он должен применяться один раз за столбец).

df[] <- lapply(df, function(x) type.convert(as.character(x)))

Поскольку я люблю dplyr, я предпочитаю:

library(dplyr)
df <- df %>% mutate_all(funs(type.convert(as.character(.))))

Ответ 3

Я нахожу, что сталкиваюсь с этим много. Речь идет о том, как вы импортируете данные. Все функции read...() имеют некоторую опцию, позволяющую не преобразовывать символьные строки в коэффициент. Это означает, что текстовые строки будут оставаться символом, а вещи, которые выглядят как числа, останутся как числа. Проблема возникает, когда у вас есть элементы, которые пусты, а не NA. Но опять же, na.strings = c ("",...) также должно решить это. Я бы начал внимательно изучать процесс импорта и соответствующим образом корректировать его.

Но вы всегда можете создать функцию и пропустить эту строку.

convert.magic <- function(x, y=NA) {
for(i in 1:length(y)) { 
if (y[i] == "numeric") { 
x[i] <- as.numeric(x[[i]])
}
if (y[i] == "character")
x[i] <- as.character(x[[i]])
}
return(x)
}

foo <- convert.magic(foo, c("character", "character", "numeric"))

> str(foo)
'data.frame':   10 obs. of  3 variables:
 $ x: chr  "1" "2" "3" "4" ...
 $ y: chr  "red" "red" "red" "blue" ...
 $ z: num  15254 15255 15256 15257 15258 ...

Ответ 4

Я знаю, что уже поздно отвечаю, но использование цикла вместе с функцией атрибутов - простое решение вашей проблемы.

names <- c("x", "y", "z")
chclass <- c("character", "character", "numeric")

for (i in (1:length(names))) {
  attributes(foo[, names[i]])$class <- chclass[i]
}

Ответ 5

Я просто столкнулся с чем-то подобным с методом выборки RSQLite... результаты возвращаются в виде атомных типов данных. В моем случае это была метка даты, которая вызывала у меня разочарование. Я обнаружил, что функция setAs очень полезна для того, чтобы помочь as работать должным образом. Вот мой небольшой пример.

##data.frame conversion function
convert.magic2 <- function(df,classes){
  out <- lapply(1:length(classes),
                FUN = function(classIndex){as(df[,classIndex],classes[classIndex])})
  names(out) <- colnames(df)
  return(data.frame(out))
}

##small example case
tmp.df <- data.frame('dt'=c("2013-09-02 09:35:06", "2013-09-02 09:38:24", "2013-09-02 09:38:42", "2013-09-02 09:38:42"),
                     'v'=c('1','2','3','4'),
                     stringsAsFactors=FALSE)
classes=c('POSIXct','numeric')
str(tmp.df)
#confirm that it has character datatype columns
##  'data.frame':  4 obs. of  2 variables:
##    $ dt: chr  "2013-09-02 09:35:06" "2013-09-02 09:38:24" "2013-09-02 09:38:42" "2013-09-02 09:38:42"
##    $ v : chr  "1" "2" "3" "4"

##is the dt column coerceable to POSIXct?
canCoerce(tmp.df$dt,"POSIXct")
##  [1] FALSE

##and the conver.magic2 function fails also:
tmp.df.n <- convert.magic2(tmp.df,classes)

##  Error in as(df[, classIndex], classes[classIndex]) : 
##    no method or default for coercing "character" to "POSIXct" 

##ittle reading reveals the setAS function
setAs('character', 'POSIXct', function(from){return(as.POSIXct(from))})

##better answer for canCoerce
canCoerce(tmp.df$dt,"POSIXct")
##  [1] TRUE

##better answer from conver.magic2
tmp.df.n <- convert.magic2(tmp.df,classes)

##column datatypes converted as I would like them!
str(tmp.df.n)

##  'data.frame':  4 obs. of  2 variables:
##    $ dt: POSIXct, format: "2013-09-02 09:35:06" "2013-09-02 09:38:24" "2013-09-02 09:38:42" "2013-09-02 09:38:42"
##   $ v : num  1 2 3 4

Ответ 6

Дополнение к ответу @joran, в котором convert.magic не будет сохранять числовые значения в преобразовании число-в-число:

convert.magic <- function(obj,types){
    out <- lapply(1:length(obj),FUN = function(i){FUN1 <- switch(types[i],
    character = as.character,numeric = as.numeric,factor = as.factor); FUN1(obj[,i])})
    names(out) <- colnames(obj)
    as.data.frame(out,stringsAsFactors = FALSE)
}

foo<-data.frame(x=c(1:10), 
                    y=c("red", "red", "red", "blue", "blue", 
                        "blue", "yellow", "yellow", "yellow", 
                        "green"),
                    z=Sys.Date()+c(1:10))

foo$x<-as.character(foo$x)
foo$y<-as.character(foo$y)
foo$z<-as.numeric(foo$z)

str(foo)
# 'data.frame': 10 obs. of  3 variables:
# $ x: chr  "1" "2" "3" "4" ...
# $ y: chr  "red" "red" "red" "blue" ...
# $ z: num  16777 16778 16779 16780 16781 ...

foo.factors <- convert.magic(foo, rep("factor", 3))

str(foo.factors) # all factors

foo.numeric.not.preserved <- convert.magic(foo.factors, c("numeric", "character", "numeric"))

str(foo.numeric.not.preserved)
# 'data.frame': 10 obs. of  3 variables:
# $ x: num  1 3 4 5 6 7 8 9 10 2
# $ y: chr  "red" "red" "red" "blue" ...
# $ z: num  1 2 3 4 5 6 7 8 9 10

# z comes out as 1 2 3...

Следующее должно сохранить числовые значения:

## as.numeric function that preserves numeric values when converting factor to numeric

as.numeric.mod <- function(x) {
    if(is.factor(x))
      as.numeric(levels(x))[x]
  else
      as.numeric(x)
}

## The same than in @joran answer, except for as.numeric.mod
convert.magic <- function(obj,types){
    out <- lapply(1:length(obj),FUN = function(i){FUN1 <- switch(types[i],
    character = as.character,numeric = as.numeric.mod, factor = as.factor); FUN1(obj[,i])})
    names(out) <- colnames(obj)
    as.data.frame(out,stringsAsFactors = FALSE)
}

foo.numeric <- convert.magic(foo.factors, c("numeric", "character", "numeric"))

str(foo.numeric)
# 'data.frame': 10 obs. of  3 variables:
# $ x: num  1 2 3 4 5 6 7 8 9 10
# $ y: chr  "red" "red" "red" "blue" ...
# $ z: num  16777 16778 16779 16780 16781 ...

# z comes out with the correct numeric values

Ответ 7

Несколько простое решение data.table, хотя это займет несколько шагов, если вы переходите к множеству разных типов столбцов.

dt <- data.table( x=c(1:10), y=c(10:20), z=c(10:20), name=letters[1:10])

dt <- dt[, lapply(.SD, as.numeric), by= name]

Это изменит все столбцы, кроме тех, которые указаны в by на числовые (или все, что вы установили в lapply)

Ответ 8

Подобно type.convert(foo, as.is = TRUE), есть также readr::type_convert, который преобразует фрейм данных в соответствующий класс, не указывая их

readr::type_convert(foo) 

Если вы оставите все столбцы символами, мы также можем использовать readr::parse_guess, который автоматически преобразует фрейм данных в правильные классы. Рассмотрим этот измененный фрейм данных

foo <- data.frame(x = as.character(1:10), 
                  y = c("red", "red", "red", "blue", "blue", "blue", "yellow", 
                     "yellow", "yellow", "green"),
                  z = as.character(Sys.Date()+c(1:10)), stringsAsFactors = FALSE)

str(foo)

#'data.frame':  10 obs. of  3 variables:
# $ x: chr  "1" "2" "3" "4" ...
# $ y: chr  "red" "red" "red" "blue" ...
# $ z: chr  "2019-08-12" "2019-08-13" "2019-08-14" "2019-08-15" ...

Применение parse_guess к каждому столбцу

foo[] <- lapply(foo, readr::parse_guess)

#'data.frame':  10 obs. of  3 variables:
# $ x: num  1 2 3 4 5 6 7 8 9 10
# $ y: chr  "red" "red" "red" "blue" ...
# $ z: Date, format: "2019-08-12" "2019-08-13" "2019-08-14" "2019-08-15" ...

Ответ 9

Трансформация - это то, что вы, кажется, описываете:

foo <- transform(foo, x=as.character(x), y=as.character(y), z=as.numeric(z))

Ответ 10

Используя purrr и base:

foo<-data.frame(x=c(1:10), 
                y=c("red", "red", "red", "blue", "blue", 
                    "blue", "yellow", "yellow", "yellow", 
                    "green"),
                z=Sys.Date()+c(1:10))
types <- c("character", "character", "numeric")
types<-paste0("as.",types)
purrr::map2_df(foo,types,function(x,y) do.call(y,list(x)))
# A tibble: 10 x 3
   x     y          z
   <chr> <chr>  <dbl>
 1 1     red    18127
 2 2     red    18128
 3 3     red    18129
 4 4     blue   18130

Ответ 11

В пакете есть простое решение hablar

Код

library(hablar)
library(dplyr)
df <- data.frame(x = "1", y = "2", z = "4")

df %>% 
  convert(int(x, z),
          chr(y))

Результат

# A tibble: 1 x 3
      x y         z
  <int> <chr> <int>
1     1 2         4

Вы можете просто поместить несколько имен столбцов для преобразования нескольких столбцов, например, z и z в целое число, как в примере выше.