Question

我有一个数据框，我从csv文件填充如下（仅供样本的数据）：

> csv_data <- read.csv('test.csv')
> csv_data
  gender country income
1      1      20  10000
2      2      20  12000
3      2      23   3000

我想将国家/地区转换为系数。但是当我执行以下操作时，它会失败：

> csv_data[,2] <- lapply(csv_data[,2], factor)
Warning message:
In `[<-.data.frame`(`*tmp*`, , 2, value = list(1L, 1L, 1L)) :
provided 3 variables to replace 1 variables

但是，如果我将性别和国家/地区转换为因子，则会成功：

> csv_data[,1:2] <- lapply(csv_data[,1:2], factor)
> is.factor(csv_data[,1])
[1] TRUE
> is.factor(csv_data[,2])
[1] TRUE

我做错了吗？我想使用lapply，因为我想以编程方式将列转换为因子，并且有可能要转换的列数只有1（它可能更多，这个数字是从参数驱动到函数）。我只能用lapply做任何方式吗？

Answer 1

对一个列进行子集化时，您需要稍微更改一下。

之间存在很大差异

lapply(df[,2], factor)

和

lapply(df[2], factor)
## and/or
lapply(df[, 2, drop=FALSE], factor)

看看每个的输出。如果你删除逗号，一切都应该正常。使用[,]中的逗号将单个列转换为向量，因此向量中的每个元素都是单独分解的。将其保留为列，这就是您希望在这种情况下为lapply提供的列。但是，如果您使用drop=FALSE，则可以保留逗号，该列将保留为list / data.frame。

不好：

df[,2] <- lapply(df[,2], factor)
# Warning message:
# In `[<-.data.frame`(`*tmp*`, , 2, value = list(1L, 1L, 1L)) :
#   provided 3 variables to replace 1 variables

在一列上成功：

df[,2] <- lapply(df[,2,drop=FALSE], factor)
df[,2]
# [1] 20 20 23
# Levels: 20 23

在我看来，分组数据框列的最佳方法是没有逗号。这也成功了：

df[2] <- lapply(df[2], factor)
df[[2]]
# [1] 20 20 23
# Levels: 20 23

lapply在数据框中的单列

1 个答案: