如何在R中处理空数据框？

Question

我注意到在我的R脚本中有时会出现错误，当我忘记检查我正在处理的数据框是否为空（没有任何行）时会发生这种情况。例如，当我像这样使用apply时：

apply(X=DF,MARGIN=1,FUN=function(row) !any(vec[ row[["start"]]:row[["end"]] ]))

如果DF恰好是空的，我会收到关于下标的错误。为什么会这样？空数据框不是有效的吗？当数据框中没有行时，为什么带有MARGIN=1的apply()会尝试执行任何操作？我真的需要在每个这样的apply之前添加一个条件来确保数据框不为空吗？

谢谢！

- David B

---

你是不是把标准的*pplys和plyr混淆了？ - mbq

在出现空的 data.frame 时，您希望什么样的结果？列表？ NULL？ NA？ FALSE？也许您可以在代码中早些时候消除空的 data.frame？ - Marek

@mbq 我不确定。当我使用apply()和MARGIN=1时，它是如何工作的？我认为它会将每一行发送到FUN并聚合结果。 - David B

抱歉，这个评论很愚蠢，请忽略。 - mbq

Answer 1

这与apply完全无关。当数据框为空时，您应用的函数无法正常工作。

> myFUN <- function(row) !any(vec[ row[["start"]]:row[["end"]] ])
> myFUN(DF[1,])  # non-empty data.frame
[1] FALSE
> myFUN(data.frame()[1,])  # empty data.frame
Error in row[["start"]]:row[["end"]] : argument of length 0

在您的函数中添加一个条件。

> apply(X=data.frame(),MARGIN=1,  # empty data.frame
+  FUN=function(row) {
+    if(length(row)==0) return()
+    !any(vec[ row[["start"]]:row[["end"]] ])
+  })
NULL

- Joshua Ulrich

---

我不确定我理解apply(MARGIN=1)的工作原理。我认为它会将每一行发送到FUN并聚合结果。如果是这样的话，一个空数据框不应该失败，因为FUN永远不会被调用。所以我猜这不是这种情况。我查看了文档，但仍然没有完全弄清楚它的工作原理。 - David B

apply 不会进行聚合。它将对 X 的部分（“边缘”）调用 FUN 的结果放入一个对象中。该对象在 ?apply 的“Value”部分的第一段中定义。我不确定为什么您认为如果 X 为空，FUN 就不会被调用；文档甚至没有暗示这种行为。 - Joshua Ulrich

我知道这是一个旧答案，但是当数据框不为空但包含值时会发生什么？我相信如果你将一个有多行的数据框放入这个函数中，它会抛出一个错误。 - Kevin

Answer 2

顺便说一下：apply函数总是至少访问你使用的函数一次。如果输入是一个没有任何行但有定义变量的数据框，则将“FALSE”作为参数发送给函数。如果数据框完全为空，则向函数发送logical(0)。

> x <- data.frame(a=numeric(0))
> str(x)
'data.frame':   0 obs. of  1 variable:
 $ a: num 

> y <- apply(x,MARGIN=1,FUN=function(x){print(x)})
[1] FALSE

> x <- data.frame()

> str(x)
'data.frame':   0 obs. of  0 variables

> y <- apply(x,MARGIN=1,FUN=function(x){print(x)})
logical(0)

因此，正如Joshua已经告诉您的那样，在应用之前控制数据框是否有行，或在应用中添加一个条件函数。

编辑： 这意味着您应该考虑到length(x)==0不是一个很好的检查，如果两种可能性都可能出现，您需要检查x==0的长度或!x是否为TRUE： （代码来自Joshua）

apply(X=data.frame(),MARGIN=1,  # empty data.frame
  FUN=function(row) {
    if(length(row)==0 || !row) {return()}
    !any(vec[ row[["start"]]:row[["end"]] ])
  })

- Joris Meys

---

我认为最好使用if(length(row)==0 || !row)（而不是|），否则我们可能会收到警告，提示“条件长度>1，只有第一个元素将被使用”。 - David B

请问 apply 的这种行为在哪里有文档记录？ - David B

@David：在上面的代码中。有时候自己测试一下就能得到很多见解。我记得我之前试过它。 - Joris Meys

“Apply总是访问您至少使用一次的函数” - 感谢指出这一点。这个行为真的让我感到困惑，尽管我已经阅读了该函数的文档。如果没有这个答案，我怎么会知道它会这样做呢？谢谢！ - Yetanotherjosh

@Yetanotherjosh 我在帮助文件中没有找到这个确切的语句，但是通过理解函数的工作原理并进行测试，我得出了这个结论。通过尝试，我学到了很多关于R语言的知识。 - Joris Meys

Answer 3

我认为这与0行数据框无关：

X <- data.frame(a=numeric(0))
str(X)
# 'data.frame':   0 obs. of  1 variable:
# $ a: num 
apply(X,1,sum)
# integer(0)

尝试在错误发生后使用traceback()来查看具体是什么导致了错误。

- Marek

Answer 4

我会使用mapply代替：

kk <- data.frame( start = integer(0), end = integer(0) )
kkk <- data.frame( start = 1, end = 3 )

vect <- rnorm( 100 ) > 0

with(kk,  mapply( function(x, y) !any( vect[x]:vect[y] ), start, end ) )
with(kkk, mapply( function(x, y) !any( vect[x]:vect[y] ), start, end ) )

- datanalytics.com