Question

我正在尝试导入化学分析的大型环境数据集。该数据集的结构如下：

首先10 columns是样本信息（例如实验室，监测站，日期，坐标等）。
后续(more than 90 columns)是对不同变量（如铝，pH，铜等）的观察。

最大的问题是左删失数据被写为"< 0.02"，并且每个参数的值都不同。当我导入csv文件时，所有至少有一个左删失值的列都会导入为Factor datatype。我想用一个基本规则替换每个被审查的左边：

 - Replace "< X" for value "X/sqrt(2)".

这只是我想如何管理这些数据的一个例子。更换每个色谱柱是不可行的，因为参数和实验室的数量很多，即使在相同的参数和实验室内也可能有所不同（给定的实验室设备更新）。

提前谢谢你。

注意：我已将我的数据集的摘录上传为更具体。它可以在这里： http://www.filehosting.org/file/details/722215/sample.csv

Answer 1

首先，我建议在read.table或read.csv中设置stringsAsFactors = FALSE

然后，对于每个要分组的列，例如＆＃34; 0.2＆＃34;并用你的等式替换它，然后评估该表达式，例如：eval(parse(text = gsub("<(.*)","\\1/sqrt(2)","<0.2")))

为所有人都可以使用dplyr＆＃39; s mutate_at

library(dplyr)
tdat <- data.frame(Site = letters[1:4], d1 = c(0,0,"<5",4), d2 = c("<0.5",0,7,4), stringsAsFactors = F)

myfun <- function(x){eval(parse(text = gsub("<(.*)","\\1/sqrt(2)",x)))}

tdat <- tdat %>% rowwise() %>% mutate_at(vars(d1:d2), .funs = funs(myfun))

替换低于阈值的多个数据列

1 个答案: