使用lapply的數據集摘要

這是一個新手問題，但是，我發現很難理解如何正確使用lapply，特別是當使用的ID不是數字時。使用lapply的數據集摘要

有可能更好的方法來試圖找到我想到的總結，但現在，我試圖使用lapply。基本上，我有一個17列大DF。兩列是ID和日期。並非所有的ID在給定的列名稱中都有記錄的值。我感興趣的是查找每列可用的總行數，以及該列存在的唯一ID的數量。我有一個讓事情變得更清晰的例子。例如，Var8只有6行數據可用，因此它有6個唯一的ID。另外，Var15有20行和12個唯一的ID。但我想知道所有Var15的情況。我能做到這一點使用

Var8=df[!(is.na(df$Var8)),] 
length(df$ID) 
length(unique(df$ID)) 
remove(Var8)

但是，試圖將自動手動：

lapply(COL.NAMES, function(x){ 
     temp=df[!(is.na(df$paste(x))),] 
     rows=length(temp$ID) 
     num_comp=length(unique(temp$ID)) 
     return(rows) 
     return(num_comp) 
     remove(temp) 
})

給我留下了一個錯誤：試圖將非功能。

COL.NAMES<-c("Var1","Var2","Var3","Var4","Var5","Var6","Var7","Var8","Var9","Var10","Var11","Var12","Var13","Var14","Var15") 


structure(list(ID = structure(c(1L, 5L, 6L, 7L, 8L, 9L, 10L, 
11L, 12L, 2L, 3L, 4L, 1L, 5L, 6L, 7L, 8L, 9L, 10L, 11L), .Label = c("Comp1", 
"Comp10", "Comp11", "Comp12", "Comp2", "Comp3", "Comp4", "Comp5", 
"Comp6", "Comp7", "Comp8", "Comp9"), class = "factor"), Date = structure(c(1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
2L, 2L, 2L), .Label = c("0/1/2014", "0/1/2015"), class = "factor"), 
    Var1 = c(0.57, 0.34, 0.38, 0.93, 0.54, 0.17, 0.08, 0.28, 
    0.99, 1, 0.61, 0.73, 0.15, 0.09, 0.64, 0.3, 0.12, 0.79, 0.79, 
    0.15), Var2 = c(0.7, 0.77, 0.93, NA, NA, NA, NA, NA, NA, 
    NA, NA, NA, NA, NA, NA, NA, NA, NA, 0.46, 0.26), Var3 = c(0.65, 
    0.7, 0.83, 0.7, 0.43, 0.81, 0.21, 0.44, 0.25, 0.77, 0.24, 
    0.29, 0.87, 0.42, 1, NA, NA, NA, NA, 0.79), Var4 = c(1, 0.7, 
    0.69, NA, NA, NA, NA, 0.2, 0.61, 0.89, 0.45, 0.02, 0.97, 
    0.33, 0.34, 0.81, 0.99, 0.35, 0.48, 0.33), Var5 = c(0.47, 
    0.95, 0.38, 0.69, 0.84, 0.21, 0.62, 0.59, 0.45, 0.63, 0.18, 
    0.49, NA, NA, NA, NA, 0.17, 0.15, 0.6, 0.44), Var6 = c(NA, 
    NA, NA, NA, 0.24, 0.07, 0.75, 0.24, 0.82, 0.14, 0.86, 0.63, 
    0.82, 0.92, 0.55, 0.22, 0.87, 0.69, 0.64, 0.73), Var7 = c(0.2, 
    0.11, 0.82, 0.31, 0.97, NA, NA, NA, NA, 0.83, 0.84, 0.81, 
    0.72, 0.36, 0.09, 0.15, 0.46, 0.79, 0.75, 0.39), Var8 = c(0.28, 
    0.55, NA, NA, NA, NA, 0.56, 0.89, 0.92, 0.46, NA, NA, NA, 
    NA, NA, NA, NA, NA, NA, NA), Var9 = c(0.11, 0.36, 1, 0.44, 
    0.53, 0.6, 0.24, 0.56, 0.6, 0.55, 0.55, 0.05, 0.77, 0.9, 
    NA, NA, NA, NA, 0.4, 0.33), Var10 = c(0.74, 0.13, 0.09, 0.61, 
    NA, NA, NA, NA, 0.27, 0.71, 0.56, 0.3, 0.36, 0.44, 0.78, 
    0.9, 0.46, 0.49, 0.87, 0.36), Var11 = c(0.58, 0.99, 0.07, 
    0.83, 0.45, 0.07, 0.16, 0.43, 0.34, 0.31, 0.06, 0.67, 0.02, 
    0.52, 0.19, 0.49, 0.31, 0.02, 0.62, 0.21), Var12 = c(0.93, 
    0.26, 0.77, 0.8, 0.67, 0.83, 0.12, 0.39, 0.78, 0.75, 0.44, 
    NA, NA, NA, NA, 0.42, 0.49, 0.06, 0.8, 0.54), Var13 = c(0.44, 
    0.75, NA, NA, NA, NA, 0.58, 0.3, 0.47, 0.88, 0.36, 0.21, 
    0.87, 0.33, 0.12, 0.31, 0.95, 0.59, 0.18, 0.43), Var14 = c(0.55, 
    0.03, 0.37, 0.66, NA, 0.91, 0.78, 0.84, 0.96, 0.34, 0.25, 
    0.92, 0.71, 0.41, 0.23, 0.54, 0.8, 0.87, 0.3, 0.37), Var15 = c(0.71, 
    0.66, 0.01, 0.7, 0.4, 0.04, 0.3, 1, 0.59, 0.69, 0.88, 0.28, 
    0.44, 0.51, 0.2, 0.17, 0.6, 0.11, 0.85, 0.04)), .Names = c("ID", 
"Date", "Var1", "Var2", "Var3", "Var4", "Var5", "Var6", "Var7", 
"Var8", "Var9", "Var10", "Var11", "Var12", "Var13", "Var14", 
"Var15"), class = "data.frame", row.names = c(NA, -20L))

來源

2016-07-08 sammyramz

您能不能告訴預期的輸出？ – Sotos

Adam Quek下面的答案是你需要的，但是你得到錯誤信息的原因是你的函數中有兩個返回語句。您可以返回一個列表，也可以返回兩個值的向量。你也不需要刪除。 – aichao

我不確定我是否理解正確，但這可能是您的解決方案。 x是你的數據框

try1 <- function(df){ 
    temp <- sum(!is.na(df)) ## no of non na entries 
    temp2 <- length(unique(df)) # length unique entries ` 
    temp <- list("x"=temp,"y"=temp2) 
    temp 

} 

> lapply(x,try1)

這裏是一個data.table SOLN

library(data.table) 
dd <- as.data.table(x) 

COL.NAMES<-c("Var1","Var2","Var3","Var4","Var5","Var6","Var7","Var8","Var9","Var10","Var11","Var12","Var13","Var14","Var15") 

dd[,lapply(.SD, try1),.SDcols=COL.NAMES]

來源

2016-07-08 06:20:36 Bg1850

最簡單的答案;我完全理解你在這裏做什麼，它的工作原理。謝謝！ – sammyramz

我會建議讓自己熟悉數據使用dplyr扯皮。實施的magrittr管道%>%將幫助您瞭解申請的用法。

這是我將如何改變你的功能：與V1

library(dplyr) 
tmp<-lapply(COL.NAMES, function(x) df[,c("ID", x)] %>% na.omit) # loop and extract 15 data.frames, each with 2 columns; remove rows with missing value 
rows <- sapply(tmp, nrow) 
num_comp <- lapply(tmp, '[[', "ID") %>% lapply(., unique) %>% sapply(., length) #extract only ID column from list of 15 data.frame; loop across each vector to retain unique values; count length of vector.

來源

2016-07-08 06:21:22

您在這裏沒有使用dplyr，除了源自'magrittr'的'％>％'，您知道 –

我很欣賞這個答案，並且肯定會查看％>％功能。 – sammyramz

但是，我沒有lapply使用，這個方案確實可行

find.uniques<- function(df){ 
for(i in 1:ncol(df)){ 
    uniques<- data.frame() 
    uniques[i,1]<- length(!is.na(unique(df[,i]))) 
    uniques[i,2]<- length(which(!is.na(unique(df[,i])))) 
} 
return(uniques) 
}

結果是data.frame多少行是可用，V2每列有多少個ID。您也可以return(as.data.frame(t(uniques)))將行更改爲列以查看每列可用的內容。

來源

2016-07-08 06:31:31

另一種方法是，

df1 <- data.frame(n_rows = colSums(!is.na(df[,-(1:2)]), na.rm = TRUE), 
        unique_IDs = sapply(df[,-2], function(i) length(unique(df$ID[!is.na(i)])))[-1]) 
head(df1) 
#  n_rows unique_IDs 
#Var1  20   12 
#Var2  5   5 
#Var3  16   12 
#Var4  16   12 
#Var5  16   12 
#Var6  16   12

來源

2016-07-08 06:38:48 Sotos

這就是一些很深的R技能的人 – Bg1850

謝謝@ Bg1850 – Sotos

使用lapply的數據集摘要

回答

相關問題