Julia 中 DataFrame 列差异的最小/最大值

Question

当我尝试检索 DataFrame 中列的最大差异时，出现错误。怎么了？

using DataFrames

a = [2,4,10,4,8,8]
b = [5,9,7,2,8,7]
c = [2,9,7,6,8,1]

df = DataFrame(A = a, B = b, C = c)
df[2,:A] = NA
df[3,:C] = NA

ab=df[:A] - df[:B]
bc=df[:B] - df[:C]
ac=df[:A] - df[:C]

df[:max] = max(ab, bc, ac)

println(df)

=> LoadError: MethodError: no method matching isless(::DataArrays.DataArray{Int64,1}, ::Array{Any,1})

df[:max] = max(ab, bc) 或 df[:max] = max(a, b, c) 的最大值按预期工作。

任何人都可以澄清发生了什么吗？谢谢！

Answer 1

注意返回类型：

julia> typeof(ab)
DataArrays.DataArray{Int64,1}

julia> typeof(bc)
DataArrays.DataArray{Int64,1}

julia> typeof(ac)
DataArrays.DataArray{Int64,1}

julia> typeof(max(ab, bc))
Array{Any,1}

最后一个是问题所在。 Julia 抱怨它无法将DataArray{Int64,1} 与Array{Any,1} 进行比较。原始Int 数组不会发生这种情况，因为它们没有NA。如DataFrames docs 中所述，NA 毒害数组操作。

观察下面的代码可以正常工作，因为它没有NA，所以max的返回类型是完全指定的：

df2 = DataFrame(A = a, B = b, C = c)
df2[:max] = max(a, b, c)
typeof(df2[:max]) ### DataArrays.DataArray{Int64,1}

您最好的选择是在计算最大值之前从您的DataFrame 中估算或清除NA。一种按行清除NA 的简单方法是

df3 = DataFrames.na_omit(df)[1]