在大型数据集中，确定哪些变量是分类变量，哪些是数值变量答案

【问题标题】：In a large data set, identify which variables are categorical and which are numeric在大型数据集中，确定哪些变量是分类变量，哪些是数值变量
【发布时间】：2014-07-17 10:13:35
【问题描述】：

我有一个包含 65 个变量的列表，我想将数字变量和分类变量列表分开。

这个任务的命令是什么。

【问题讨论】：

标签： r

【解决方案1】：

您可以这样做（假设您的 data.frame 名为 df）：

sapply(df, class)

确实，带有时间变量的输出不太漂亮：

library(lubridate)
df <- data.frame(V1 = character(10),
                 V2 = numeric(10),
                 V3 = ymd(paste("2014-05", 21:30, sep="-")))
sapply(df, class)
##$V1
##[1] "factor"
##
##$V2
##[1] "numeric"
##
##$V3
##[1] "POSIXct" "POSIXt"

但它仍然可以识别数字或因子变量，例如没有时间变量：

names(df)[sapply(df, class) == "factor"]
##[1] "V1"

# for time variable it's less obvious indeed...
names(df)[grepl("POSIXct", sapply(df, class))]
##[1] "V3"

【讨论】：

永远不要在类中使用sapply()：只要数据框中有时间变量，这就会失败。
感谢 cmets，我已经遇到了这个问题...您建议使用什么？ mode?

【解决方案2】：

您可以使用split 和sapply 将变量组合在一起：

split(names(iris),sapply(iris, function(x) paste(class(x), collapse=" ")))
$factor
[1] "Species"

$numeric
[1] "Sepal.Length" "Sepal.Width"  "Petal.Length" "Petal.Width"

注意使用paste 将任何多类对象的类名折叠在一起。

【讨论】：

感谢 James，它给出了我想要的结果。
永远不要在类中使用sapply()：只要数据框中有时间变量，这就会失败。
感谢@hadley，我进行了编辑，以使解决方案对多类变量问题更加稳健。
@Rahul 用于只有一个类的变量。我添加的额外内容有助于防止多类变量。