Question

我有一个非常大的数据框，称为FTSE。在这里他的结构。

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 ...

我试着总结一下，我已经获得了：

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“LastPrice”栏目。如果我尝试直接总结LastPrice（我在分析中实际需要的变量），我已经获得了这个，这与以前的不同。

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

我是R上的新手，我真的无法理解为什么价值观会有所不同。这是一个四舍五入的问题？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。我真的坚持这个问题。

感谢任何可以帮助我甚至尝试理解我的问题的人。此致

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

Answer 1

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

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

> getOption("digits")
[1] 7

所以试试：

summary(FTSE$LastPrice, digits=7)

然而，未解决的问题仍然存在：为什么summary.data.frame函数的舍入程度不同，因为.default和.data.frame的数字默认参数相同方法？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format。在我看来，帮助页面在这个区域的参数描述中有些模糊不清

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。

Answer 2

method上的摘要data.frame与vector的默认方法不同。可能导致使用不同的精度进行计算。 Read more here。如果明确指定数字，则有效：

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东西：

summary(temp)
summary(temp$LastPrice)

现在让我们解决一下：

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

注意：这仅在您的号码<10 ^ 7-1时有效，即如果它们具有＆lt; = 7位数。您在10 ^ 7处看不到效果，但如果有10 ^ 7 + 1，则最后一位数将向下舍入为零。要解决此问题，您必须将数字增加到8（依此类推）。使用更大的值更安全，例如digit=10

数据框，错误的摘要

2 个答案: