如何制作数据框的“列表”或“向量”

Question

关于我需要什么的小故事：我读过一个 CSV 文件，我想取出一些列并将它们作为自己的数据框存储到变量中，然后存储变量到列表中。但是，当我使用c() 执行此操作时，它只是将所有数据放在一个平面向量中。有没有办法获得数据框列表？

更长的故事：我读过一个 CSV 文件，假设它看起来像这样

,"Date","px high","px low","px last",,,,"Date","px high","px low","px last"
"eur curncy",03/Jan/2000,1.03,1.01,1.02,,,"gbp curncy",03/Jan/2000,1.64,1.61,1.64
,1/4/2000,1.03,1.02,1.03,,,,1/4/2000,1.64,1.63,1.64
,1/5/2000,1.04,1.03,1.03,,,,1/5/2000,1.65,1.64,"#N/A N/A"
,1/6/2000,1.04,1.03,1.03,,,,1/7/2000,1.65,1.64,1.65

当我存储读取的 CSV 文件并打印变量时，它看起来像

            Date        px.high    px.low    px.last    Date.1       px.high.1    px.low    px.last
eur curncy  03/Jan/2000 1.03       1.02      1.03       03/Jan/2000  1.64         1.63      1.64
            1/4/2000    1.03       1.02      1.03       1/4/2000     1.64         1.63      1.64
... etc.

为了避免混乱，我已经为这个示例删除了很多数据，但是这些数据还有更多的行和列。沿着它们在这些组中重复的列，每个组都有一个日期、px 高等。沿着这些行，您或多或少地与上面显示的最后几行相同。

我最终想深入每组数据，将其分割成月份，计算每一列中每个月的平均值，然后丢弃每日信息，然后为每组制作一个条形图。但是，我有以下问题需要解决：

1. 第一行日期的格式与其他行不同。第一行之后的所有行都采用相同的格式。我可以自己通过读取数据来解决这个问题

cur <- read.csv('C:\\file.csv', stringsAsFactors=FALSE)

然后循环遍历列，在正确的位置分配

cur[1,col] <- as.character(as.date(cur[1,col], format='%d/%b/%Y'))

然后我可以通过循环遍历行和列来格式化其余的日期条目，然后基本上再次执行相同的操作。

1. CSV 文件中的某些条目包含字符串“#N/A N/A”，我发现它会强制 R 将该列中的所有其他条目作为字符串读取，因此我无法再执行算术运算在物体上。我可以丢弃那些上面有这些的数据行，但即使这样做，列仍然是字符串。此外，如果我将这一行从其中一个组中丢弃，我会丢弃所有其余数据的整行，这是我不想这样做的。

算术问题很容易解决，当我做算术时，我只是将所有内容都转换为数字。它可能效率低下，但似乎效果很好。但是所有这些行都在同一个数据框中的问题，所以如果我丢弃一行，我也会丢弃该行上的所有其他数据——有时组的日期不匹配。因此，如果我为某个日期丢弃一行带有“#N/A N/A”的行，我会为其他组丢弃其他日期，这是我不想要的。因此，我能想到的最佳解决方案是将这些组拆分为它们自己的数据框，并在某种程度上分别对待它们。

1. 某些数据的日期不匹配。我想基本上从这些数据组中的任何一组数据中丢弃任何日期，如果该日期没有被所有数据共享。但同样，我只想在所有组中的同一日期执行此操作——我不能只删除一行，因为该行可能再次对应于一组中的一个日期，但对应于另一组中的另一个日期。因此，似乎拆分组是要做的事情。

但如果有人认为有更好的方法，请告诉我。

Answer 1

要回答您关于列表的问题，是的，您可以将数据框存储在列表中：

l <- list(dat1, dat2, dat3, etc.)

如果您有奇数的 NA 值（999、-1、-11、#N/A 等），您可以使用 na.strings 捕获这些值并将您的列保留为数字：

(dat <- read.csv(header = TRUE, na.strings = c('#N/A N/A'),
                stringsAsFactors = FALSE,
                text="Date,px high,px low,px last,
03/Jan/2000,1.03,1.01,1.02,
03/Jan/2000,1.64,1.61,1.64,
1/4/2000,1.03,1.02,1.03,
1/4/2000,1.64,1.63,1.64,
1/5/2000,1.04,1.03,1.03,
1/5/2000,1.65,1.64,#N/A N/A,
1/6/2000,1.04,1.03,1.03,
1/7/2000,1.65,1.64,1.65")[1:4])

#          Date px.high px.low px.last
# 1 03/Jan/2000    1.03   1.01    1.02
# 2 03/Jan/2000    1.64   1.61    1.64
# 3    1/4/2000    1.03   1.02    1.03
# 4    1/4/2000    1.64   1.63    1.64
# 5    1/5/2000    1.04   1.03    1.03
# 6    1/5/2000    1.65   1.64      NA
# 7    1/6/2000    1.04   1.03    1.03
# 8    1/7/2000    1.65   1.64    1.65

就像你说的，日期格式是混合的，所以我使用这个粗略的函数来检查使用哪种格式并告诉 R 使用正确的格式：

f_dat <- function(x)
  as.Date(x, format = ifelse(is.na(as.numeric(gsub('/','',x))),
                             '%d/%b/%Y', '%d/%m/%Y'))


## and format the dates:

(dat <- within(dat, {
  Date <- f_dat(Date)
}))

#         Date px.high px.low px.last
# 1 2000-01-03    1.03   1.01    1.02
# 2 2000-01-03    1.64   1.61    1.64
# 3 2000-04-01    1.03   1.02    1.03
# 4 2000-04-01    1.64   1.63    1.64
# 5 2000-05-01    1.04   1.03    1.03
# 6 2000-05-01    1.65   1.64      NA
# 7 2000-06-01    1.04   1.03    1.03
# 8 2000-07-01    1.65   1.64    1.65

编辑

dat <- read.csv(header = TRUE, na.strings = c('#N/A N/A'),
                stringsAsFactors = FALSE,
                text=",Date,px high,px low,px last,,,,Date,px high,px low,px last
eur curncy,03/Jan/2000,1.03,1.01,1.02,,,gbp curncy,03/Jan/2000,1.64,1.61,1.64
,1/4/2000,1.03,1.02,1.03,,,,1/4/2000,1.64,1.63,1.64
,1/5/2000,1.04,1.03,1.03,,,,1/5/2000,1.65,1.64,#N/A N/A
,1/6/2000,1.04,1.03,1.03,,,,1/7/2000,1.65,1.64,1.65")


#            X        Date px.high px.low px.last X.1 X.2        X.3      Date.1 px.high.1 px.low.1 px.last.1
# 1 eur curncy 03/Jan/2000    1.03   1.01    1.02  NA  NA gbp curncy 03/Jan/2000      1.64     1.61      1.64
# 2               1/4/2000    1.03   1.02    1.03  NA  NA               1/4/2000      1.64     1.63      1.64
# 3               1/5/2000    1.04   1.03    1.03  NA  NA               1/5/2000      1.65     1.64        NA
# 4               1/6/2000    1.04   1.03    1.03  NA  NA               1/7/2000      1.65     1.64      1.65


f_dat <- function(x)
  as.Date(x, format = ifelse(is.na(as.numeric(gsub('/','',x))),
                             '%d/%b/%Y', '%d/%m/%Y'))

(dat <- within(dat, {
  Date <- f_dat(Date)
  Date.1 <- f_dat(Date.1)
}))

#            X       Date px.high px.low px.last X.1 X.2        X.3     Date.1 px.high.1 px.low.1 px.last.1
# 1 eur curncy 2000-01-03    1.03   1.01    1.02  NA  NA gbp curncy 2000-01-03      1.64     1.61      1.64
# 2            2000-04-01    1.03   1.02    1.03  NA  NA            2000-04-01      1.64     1.63      1.64
# 3            2000-05-01    1.04   1.03    1.03  NA  NA            2000-05-01      1.65     1.64        NA
# 4            2000-06-01    1.04   1.03    1.03  NA  NA            2000-07-01      1.65     1.64      1.65