dplyr mutate 返回 NA 而 sapply 不与 strsplit答案

【问题标题】：dplyr mutate returning NA wheras sapply isn't with strsplitdplyr mutate 返回 NA 而 sapply 不与 strsplit
【发布时间】：2017-03-29 17:08:30
【问题描述】：

我正在使用 kaggle titanic 数据集，其中 Cabin 列是类字符。我使用下面显示的函数来获取每个 Cabin 的第一个元素。

sapply(df$Cabin,function(x) strsplit(x,NULL)[[1]][1])

Cabin    deck
 NA      NA
 C85     C
 NA      NA
 C123    C
 NA      NA
 E46     E

但是，当我使用 dplyr 的 mutate 来完成相同的任务时，我只会得到一列 NA 用于甲板。这些是我尝试使用 mutate 的函数，它们都只返回 NA。

df %>% mutate(deck = ifelse(is.na(Cabin),Cabin, strsplit(Cabin,NULL)[[1]][1]))

和

df %>% mutate(deck = strsplit(Cabin,NULL)[[1]][1])

变异有什么问题还是我做错了什么？

【问题讨论】：

标签： r dplyr

【解决方案1】：

我相信答案与strsplit 在你以两种不同的方式调用它时所作用的对象有关。

从strsplit 的文档中，它返回

与 x 长度相同的列表，其中第 i 个元素包含 x[i] 的分裂向量。

当你调用sapply(df$Cabin,function(x) strsplit(x,NULL)[[1]][1]) 时，strsplit 分别作用于向量df$Cabin 的每个元素，所以就好像你在调用：

strsplit(df$Cabin[1], NULL)[[1]][1]
# [1] NA
strsplit(df$Cabin[2], NULL)[[1]][1]
# [1] C
...

相比之下，mutate 在整个向量上调用strsplit，所以就好像你在调用strsplit(df$Cabin, NULL)

strsplit(df$Cabin, NULL)
# [[1]]
# [1] NA
# 
# [[2]]
# [1] "C" "8" "5"
# 
# [[3]]
# [1] NA
# 
# [[4]]
# [1] "C" "1" "2" "3"
# 
# [[5]]
# [1] NA
# 
# [[6]]
# [1] "E" "4" "6"

正如我们从输出中看到的，strsplit(df$Cabin, NULL)[[1]][1] 是 NA，因此到处都会填充。

要获得所需的输出，您可以使用substring，因为您想要的信息总是在同一个位置。

df %>%
  mutate(deck = substring(Cabin, 1, 1))
 # Cabin deck
 #  <NA> <NA>
 #   C85    C
 #  <NA> <NA>
 #  C123    C
 #  <NA> <NA>
 #   E46    E

【讨论】：