R：两个看似相同的数据集，但一个有效，一个无效？

Question

R 版本 3.3.2 (2016-10-31)。使用的包是 vegan、plyr 和 bbmle。

我有两个非常大的数据集。我们称他们为df1 和df2。每个看起来像这样：

 Taxon          Sam1001    Sam1002
 Bacteria01     0.25       0
 Bacteria02     0.11       0.34

“好的”数据集是df1。它有 3013 个变量的 1885 个 obs。 df2 有 2377 个变量的 1674 个 obs。加载时还会出现警告：

See spec(...) for full column specifications.
Warning: 55 parsing failures.
row           col               expected  actual
1062 SAMN032937893 no trailing characters .12E-07
1062 SAMN032936513 no trailing characters .12E-07
1062 SAMN032936373 no trailing characters .12E-07
1062 SAMN032936273 no trailing characters .12E-07
1062 SAMN032937943 no trailing characters .12E-07
.... ............. ...................... .......
See problems(...) for more details.

我删除了第 1062 行，因为这似乎是个问题。然后我运行以下代码：

df[df==0] <- NA
df2[df2==NA_integer_] <- NA #because NA_integer appears in the dataset df2
dfFreq <- apply(df, 2, count)
dfNARemoved <- lapply(dfFreq, function(x) transform(x[-nrow(x),]))
dfFreqxRemoved <- lapply(dfNARemoved, function(x) { x["x"] <- NULL; x 
}) #removing useless x column
dfSum <- lapply(dfFreqxRemoved, function(x) sum(x))

df1 生成如下列表：

List of 3013
$ X1                  : int 1884
$ SAMN03073712        : int 191
$ SAMN03852278        : int 1
$ SAMN02142445        : int 100
$ SAMN03852340        : int 1
$ SAMEA2241190        : int 108

等等。但是，df2 会生成这样的列表：

List of 38669
$ : num 1
$ : num 1
$ : num 1
$ : num 1

编辑：我的总体目标是从有蹄类动物样本中提取大量操作分类单元 (OTU) 数据集，并总结每个样本中 OTU 的出现次数。对于df1，这将生成一个像这样的矩阵：

 Sam1001   Sam1002
 2         1

使用此代码：

require(dplyr)
dfBound <- rbind(dfSum)
dfBoundData <- as.data.frame(dfBound)
dfBoundData$X1 <- NULL
transdfBoundData <- transform(dfBoundData, dfSum = 
as.numeric(dfSum)) #although this works, it duplicates all of the rows
subttbd <- transdfBoundData[c(1, 2),]
subttbd <- subttbd[1,] 
mat.subttbd <- data.matrix(subttbd)

接下来我将创建图表。这适用于df1，但不适用于df2。

由于问题似乎出在列表的创建中，我的问题是，我如何让df2 创建像df1 这样的列表？具体来说，导致df2 产生如此不同（当我尝试进一步操纵它时最终无用）结果的数据帧中发生了什么？

有用的（？）信息

• 我没有提供任何可复制的数据，因为数据集太大了，而且表面上完全一样（如图所示）。如果可以的话，我可能能够弄清楚“坏”的 df2 中发生了什么。
• 我尝试了str、tail、head 和所有其他技巧组合来确定是否存在流氓因素或角色。 似乎在数据集中有完全相同数量的整数和数字，以及一个因子（Taxon）。

Answer 1

非常感谢 Marijin Stevering 的回答：

lapply(df, function(x) sum(!is.na(x)))

这也巧妙地减少了几个步骤。