确定数据框的列的数据类型

153

我正在使用R，并已使用将数据加载到数据帧中read.csv()。如何确定数据框中每一列的数据类型？

r  dataframe  types 
— stackoverflowuser2010
source
以编程方式（例如，sapply(..., class))或以交互方式（例如str(...)），或两者兼而有之？）通常以编程方式具有更大的可扩展性，然后您可以随意Filter(...)列出整数，字符，因子等的列表。或者，可以根据它们遵循任何命名约定grep/grepl来推断列类型names(...)
— smci
@smci：我最初的问题不是“以编程方式”提出的。我不知道您为什么要改变我问题的全部性质。
— stackoverflowuser2010
好的，它已回滚。它并没有改变整体性质，而是从两个方向之一阐明了这一点。使用的交互式方法str(...)不可扩展，并且在<100 cols上耗尽精力。
— smci

Answers:

214

最好的开始选择是使用?str()。为了探索一些例子，让我们做一些数据： 

set.seed(3221)  # this makes the example exactly reproducible
my.data <- data.frame(y=rnorm(5), 
                      x1=c(1:5), 
                      x2=c(TRUE, TRUE, FALSE, FALSE, FALSE),
                      X3=letters[1:5])

@Wilmer E Henao H的解决方案非常简化： 

sapply(my.data, class)
        y        x1        x2        X3 
"numeric" "integer" "logical"  "factor"

使用str()可以获取该信息以及额外的好处（例如因素水平和每个变量的前几个值）： 

str(my.data)
'data.frame':  5 obs. of  4 variables:
$ y : num  1.03 1.599 -0.818 0.872 -2.682
$ x1: int  1 2 3 4 5
$ x2: logi  TRUE TRUE FALSE FALSE FALSE
$ X3: Factor w/ 5 levels "a","b","c","d",..: 1 2 3 4 5

@Gavin Simpson的方法也得到了简化，但是所提供的信息与 class()以下： 

sapply(my.data, typeof)
       y        x1        x2        X3 
"double" "integer" "logical" "integer"

有关详细信息class，typeof以及中间的孩子，mode见这个优秀的SO线程：在R“模式”和“类”和“typeof运算”的类型的东西进行了全面的调查是不够的。

— 功-恢复莫妮卡
source
1
使用R几个月后，我发现这str(dataframe)是一眼确定列类型的最快方法。其他方法需要更多的击键，并且不会显示太多信息，但是如果列数据类型是其他函数的输入，则它们将很有用。
— stackoverflowuser2010
嗨，当我对apply进行相同的操作而不是apply时，它不起作用
— Dom Jo
@DomJo，为什么要使用apply()？那是用于矩阵。数据帧是（一种特殊的）列表。
— gung-恢复莫妮卡
50 
sapply(yourdataframe, class)

其中，您的数据框是您正在使用的数据框的名称

— 威尔默·河内
source
18

我会建议

sapply(foo, typeof)

如果您需要数据框中的向量的实际类型。class()有点不同。

如果您不需要以向量的形式获取此信息（即以后不需要以编程方式进行其他操作），请使用str(foo)。

在两种情况下，foo都将替换为数据框的名称。

— 加文·辛普森
source
7

只需将数据框传递给以下函数即可： 

data_types <- function(frame) {
  res <- lapply(frame, class)
  res_frame <- data.frame(unlist(res))
  barplot(table(res_frame), main="Data Types", col="steelblue", ylab="Number of Features")
}

生成数据框中所有数据类型的图。对于虹膜数据集，我们得到以下信息：

data_types(iris)

在此处输入图片说明

— 控制论
source
5

对于小数据帧：

library(tidyverse)

as_tibble(mtcars)

为您提供带有数据类型的df打印

# A tibble: 32 x 11
     mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb
 * <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
 1  21       6  160    110  3.9   2.62  16.5     0     1     4     4
 2  21       6  160    110  3.9   2.88  17.0     0     1     4     4
 3  22.8     4  108     93  3.85  2.32  18.6     1     1     4     1

对于大数据帧：

glimpse(mtcars)

为您提供数据类型的结构化视图：

Observations: 32
Variables: 11
$ mpg  <dbl> 21.0, 21.0, 22.8, 21.4, 18.7, 18.1, 14.3, 24.4, 22.8, 19.2, 17.8, 16.4, 17....
$ cyl  <dbl> 6, 6, 4, 6, 8, 6, 8, 4, 4, 6, 6, 8, 8, 8, 8, 8, 8, 4, 4, 4, 4, 8, 8, 8, 8, ...
$ disp <dbl> 160.0, 160.0, 108.0, 258.0, 360.0, 225.0, 360.0, 146.7, 140.8, 167.6, 167.6...
$ hp   <dbl> 110, 110, 93, 110, 175, 105, 245, 62, 95, 123, 123, 180, 180, 180, 205, 215...
$ drat <dbl> 3.90, 3.90, 3.85, 3.08, 3.15, 2.76, 3.21, 3.69, 3.92, 3.92, 3.92, 3.07, 3.0...
$ wt   <dbl> 2.620, 2.875, 2.320, 3.215, 3.440, 3.460, 3.570, 3.190, 3.150, 3.440, 3.440...
$ qsec <dbl> 16.46, 17.02, 18.61, 19.44, 17.02, 20.22, 15.84, 20.00, 22.90, 18.30, 18.90...
$ vs   <dbl> 0, 0, 1, 1, 0, 1, 0, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 0, 0, 0, 0, ...
$ am   <dbl> 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 0, 0, 0, 0, 0, ...
$ gear <dbl> 4, 4, 4, 3, 3, 3, 3, 4, 4, 4, 4, 3, 3, 3, 3, 3, 3, 4, 4, 4, 3, 3, 3, 3, 3, ...
$ carb <dbl> 4, 4, 1, 1, 2, 1, 4, 2, 2, 4, 4, 3, 3, 3, 4, 4, 4, 1, 2, 1, 1, 2, 2, 4, 2, ...

要获取列数据类型的列表（如上面的@Alexandre所述）：

map(mtcars, class)

给出数据类型列表：

$mpg
[1] "numeric"

$cyl
[1] "numeric"

$disp
[1] "numeric"

$hp
[1] "numeric"

要更改列的数据类型：

library(hablar)

mtcars %>% 
  convert(chr(mpg, am),
          int(carb))

将列mpg和转换am为字符，将列转换carb为整数：

# A tibble: 32 x 11
   mpg     cyl  disp    hp  drat    wt  qsec    vs am     gear  carb
   <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <chr> <dbl> <int>
 1 21        6  160    110  3.9   2.62  16.5     0 1         4     4
 2 21        6  160    110  3.9   2.88  17.0     0 1         4     4
 3 22.8      4  108     93  3.85  2.32  18.6     1 1         4     1
 4 21.4      6  258    110  3.08  3.22  19.4     1 0         3     1
— davsjob
source
3

由于没有明确说明，因此我添加以下内容：

我在寻找一种创建表的方式，该表保存所有数据类型的出现次数。

假设我们有一个data.frame包含两个数字和一个逻辑列的列

dta <- data.frame(a = c(1,2,3), 
                  b = c(4,5,6), 
                  c = c(TRUE, FALSE, TRUE))

您可以使用以下命令总结每种数据类型的列数

table(unlist(lapply(dta, class)))
# logical numeric 
#       1       2

如果您有很多专栏并希望快速获得概述，这将非常方便。

致谢：此解决方案的灵感来自@Cyber​​netic。

— 洛基
source
2

这是helpRFunctions软件包的一部分，该函数将返回数据框中所有各种数据类型的列表，以及与该类型相关联的特定变量名。

install.package('devtools') # Only needed if you dont have this installed.
library(devtools)
install_github('adam-m-mcelhinney/helpRFunctions')
library(helpRFunctions)
my.data <- data.frame(y=rnorm(5), 
                  x1=c(1:5), 
                  x2=c(TRUE, TRUE, FALSE, FALSE, FALSE),
                  X3=letters[1:5])
t <- list.df.var.types(my.data)
t$factor
t$integer
t$logical
t$numeric

然后，您可以执行类似的操作var(my.data[t$numeric])。

希望这会有所帮助！

— ML_Dev
source
1
值得一提的是，在后台这需要lapply(your_data, class)进行一些额外的格式化处理。
— 格里戈尔·托马斯
1

如果您将csv文件作为data.frame（而不是矩阵）导入，也可以使用 summary.default

summary.default(mtcars)

     Length Class  Mode   
mpg  32     -none- numeric
cyl  32     -none- numeric
disp 32     -none- numeric
hp   32     -none- numeric
drat 32     -none- numeric
wt   32     -none- numeric
qsec 32     -none- numeric
vs   32     -none- numeric
am   32     -none- numeric
gear 32     -none- numeric
carb 32     -none- numeric
— DJV
source
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.