在阅读文件和rbind'ing他们的同时享受与lapply的对比

Question

我按照Hadley的主题：Issue in Loading multiple .csv files into single dataframe in R using rbind读取多个CSV文件，然后将它们转换为一个数据帧。我还在lapply上讨论了sapply与Grouping functions (tapply, by, aggregate) and the *apply family的实验。

这是我的第一个CSV文件：

dput(File1)
structure(list(First.Name = structure(c(1L, 2L, 1L, 1L, 1L), .Label = c("A", 
"C"), class = "factor"), Last.Name = structure(c(1L, 2L, 2L, 
2L, 2L), .Label = c("B", "D"), class = "factor"), Income = c(55L, 
23L, 34L, 45L, 44L), Tax = c(23L, 21L, 22L, 24L, 25L), Location = structure(c(3L, 
3L, 1L, 4L, 2L), .Label = c("Americas", "AP", "EMEA", "LATAM"
), class = "factor")), .Names = c("First.Name", "Last.Name", 
"Income", "Tax", "Location"), class = "data.frame", row.names = c(NA, 
-5L))

这是我的第二个CSV文件：

dput(File2)
structure(list(First.Name = structure(c(1L, 2L, 1L, 1L, 1L), .Label = c("A", 
"C"), class = "factor"), Last.Name = structure(c(1L, 2L, 2L, 
2L, 2L), .Label = c("B", "D"), class = "factor"), Income = c(55L, 
55L, 55L, 55L, 55L), Tax = c(24L, 24L, 24L, 24L, 24L), Location = structure(c(3L, 
3L, 1L, 4L, 2L), .Label = c("Americas", "AP", "EMEA", "LATAM"
), class = "factor")), .Names = c("First.Name", "Last.Name", 
"Income", "Tax", "Location"), class = "data.frame", row.names = c(NA, 
-5L))

这是我的代码：

dat1 <-",First.Name,Last.Name,Income,Tax,Location\n1,A,B,55,23,EMEA\n2,C,D,23,21,EMEA\n3,A,D,34,22,Americas\n4,A,D,45,24,LATAM\n5,A,D,44,25,AP"
dat2 <-",First.Name,Last.Name,Income,Tax,Location\n1,A,B,55,24,EMEA\n2,C,D,55,24,EMEA\n3,A,D,55,24,Americas\n4,A,D,55,24,LATAM\n5,A,D,55,24,AP"

tc1 <- textConnection(dat1)
tc2 <- textConnection(dat2)

merged_file <- do.call(rbind, lapply(list(tc1,tc2), read.csv))

虽然这很好用，但我想将lapply改为sapply。从上面的线程中，我意识到sapply会将读取因子从csv文件更改为矩阵，但我不确定为什么这些字段被翻转。例如，Income字段占据第3行和第8行，但不在一列中。

这是代码：

tc1 <- textConnection(dat1)
tc2 <- textConnection(dat2)

# change lapply to sapply    
merged_file <- do.call(rbind, sapply(list(tc1,tc2), read.csv))

这是输出：

    [,1] [,2] [,3] [,4] [,5]
 [1,]    1    2    1    1    1
 [2,]    1    2    2    2    2
 [3,]   55   23   34   45   44
 [4,]   23   21   22   24   25
 [5,]    3    3    1    4    2
 [6,]    1    2    1    1    1
 [7,]    1    2    2    2    2
 [8,]   55   55   55   55   55
 [9,]   24   24   24   24   24
[10,]    3    3    1    4    2

我很感激任何帮助。我对R很新，不知道发生了什么。

Answer 1

这个问题与因素无关，它是通用的sapply vs lapply。为什么sapply得到它错误，而lapply得到它正确？请记住，在R中，数据框是列表列表。每列可以有不同的类型。

• lapply将列表列表返回给rbind，它正确地进行连接。它将相应的列保持在一起。所以你的因素正确出现了。
• 然而，sapply ...... 返回一个数字矩阵...（因为矩阵只能有一种类型，与数据帧不同） ...更糟糕的是，has an unwanted transpose 所以sapply将你的两个5x6输入数据帧转换为转置的6x5矩阵（列现在对应于行）...... 将所有数据强制转换为数字（垃圾！）。 然后rbind行 - 将这两个垃圾6x5数字矩阵“连接”成一个非常垃圾的12x5矩阵。由于列已转换为行，因此行连接矩阵会合并数据类型，显然您的因素会混乱。

总结：只需使用lapply