Algunos comentarios sobre tu función, muy respetuosos y en plan constructivo y de aprendizaje comunitario.
Si tienes pensado usarla dentro de un programa (i.e. no vas a estar monitoreando el resultado, sino pasándolo a otra función que espera un tipo específico de datos) podría haber una inconsistencia, ya que tu función regresa un vector cuando todas las columnas de numbers
son unimodales y una lista cuando son multimodales (ver var3
del ejemplo). En realidad eso es un comportamiento (peligroso) de sapply
. Te sugeriría usar directamente lapply
en estos casos para asegurarte que siempre obtengas una lista como resultado. Las listas son más complicadas de manejar que los vectores, pero al menos ganas en consistencia.
No es necesario ni eficiente coercionar a data.frame, se puede trabajar directamente con tablas. No hice el benchmark, pero seguramente es más rápido evitando transformar los datos.
Los ...
no me parecen la mejor opción en este caso. Si lo que te interesa es pasar un argumento para el manejo de missing es mejor pasar ese y solo ese argumento y dejarlo bien documentado en la función. Por la documentación de table
se pueden pasar "no"
, "ifany"
o "always"
. Mejor manejar los NA
directamente ahí.
No creo que sea buena idea el as.numeric
de la línea 4, ya que regresa el modo numérico aún cuando le pasamos un factor
. Por ejemplo, en test de más abajo para var5
regresa 1
, cuando lo razonable sería que regresara a
. La moda se usa como medida de tendencia central principalmente para variables categóricas, en ese caso recibir la moda como un número sería un inesperado. En el caso en el que necesites los valores de la moda para hacer un cálculo posterior sería mejor hacer la coerción a numérico justo antes de ese cálculo y fuera de esta función, habiendo verificado que todas los elementos de la lista son numéricos y controlado el problema de las multimodales. Si el comportamiento esperado es que regrese siempre un valor numérico, incluyendo el modo numérico de un factor, eso debería estar muy explícitamente documentado en la función. No sería mala idea que emitiera un warning
en ese caso. De todos modos creo que lo mejor sería que regresara un character
y después no arreglamos para coercionarlo a numeric
si hace falta.
Igual a 4, pero también para character
. En el test de más abajo para var6
regresa 12 porque table
coerción internamente a factor
.
Alternativa
Voy a presentar un test data más complicado, con variables en las que NA
es modal y con factores y caracteres.
numbers <- data.frame(var1 = c(3, 1, 2, 4, 5, 1, 1, 1, 1, 1, 2, 3, NA, NA),
var2 = c(NA, NA, 2, 1, 1, 4, 4, 2, 2, 2, 2, 1, 1, 5),
var3 = c(1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 8, 8, 8, 8),
var4 = c(1, 2, 3, 4, 5, 6, 7, NA, NA, NA, NA, NA, NA, NA),
var5 = factor(c("a", "b", "c", "d", "e", "f", "g", "h", "i", "j", "k", "l","a", "a")),
var6 = c("a", "b", "c", "d", "e", "f", "g", "h", "i", "j", "k", "z",
"z", "z"), stringsAsFactors = F)
moda <- function(x, useNA = "no") { #Para missing las opciones de table: "no", "ifany", "always". Deden ser strings.
xtabla <- table(x, useNA = useNA) #Para evitar computar tres veces la tabla
names(xtabla[xtabla == max(xtabla)]) #Siempre regresa un vector numérico
}
lapply(numbers, moda, "ifany")
lapply(numbers, moda, "no") #Cambia el resultado en var4
Esta opción podría ser más consistente, ya que siempre regresa una lista de vectores de la clase character
. De todos modos podría fallar en casos que no he pensado.