lapplyを使用したデータセットのまとめ

Question

これは初心者の質問ですが、lapplyを正しく使用する方法を理解するのは非常に難しいです。特にIDが数値でない場合は特にそうです。

私が気にしている要約を見つけようとすると、おそらくもっと良い方法がありますが、今のところ私はlapplyを使用しようとしています。本質的に、私は17列の大きなdfを持っています。列の2つはIDと日付です。指定された列名にすべてのIDが記録された値を持つわけではありません。私が興味を持っているのは、各列で使用可能な行の合計数と、その列に存在する一意のIDの数です。私は物事をより明瞭にするための例を持っています。たとえば、Var8には6行のデータしか使用できないため、6つの固有IDがあります。また、Var15には20行と12個の固有IDがあります。しかし、私はこれをすべてのVar15について知りたい。

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) 
}) 

はエラーで私の葉：非関数を適用する試みを、私は

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

を使用してでも、自動化しようとして手動でこれを行うことができます。

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)) 

Answer 1

私が正しく理解しているかどうかはわかりませんが、これがあなたの解決策である可能性があります。 xはここにあなたのデータフレーム

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) 

ある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] 

Answer 2

私はdplyrを使用して論争のデータと自分が慣れ助言です。 magrittrパイプ%>%は、適用の使用方法の理解に役立ちます。

ここで私はあなたの関数を変更します方法は次のとおりです。

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. 

Answer 3

私はlapply使用していませんでしたしかし、このソリューションは動作しません

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) 
} 

結果がどのように多くの行としてV1とdata.frameです利用可能なV2、各列のIDの数。 また、return(as.data.frame(t(uniques)))を使用して行を列に変更して、各列で使用可能な内容を確認することもできます。別のアプローチは次のようになり

Answer 4

、

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