2

Tengo un data frame donde algunas columnas son de tipo character, otras numericas etc. Algunas de las columnas tienen 0. Quiero cambiar todos los 0 por NAs

Aplico lo siguiente

datos2<-data.frame(sapply(datos, function(x) {ifelse(x==0,NA,x)}))
str(datos2)

Y resulta que todas las columnas son ahora de tipo factor.

¿Cómo hago para que datos y datos2 tengan la misma estructura?

1 respuesta 1

1

Sin tener al objeto datos es un poco difícil saber exactamente que pasa, pero me parece que el problema es el sapply y las reglas de coerción de estructuras de datos que aplica. Va un ejemplo de lo que podría estar pasando.

datos <- data.frame(
  a = c(0, 0, 3, 4, NA), 
  b = c(NA, NA, NA, NA, NA), 
  c = c("A", "0",  NA, NA, NA))

En este caso datos tiene una columna numérica, una lógica (a los NA si no están con otro tipo de datos válidos se les asigna el tipo lógico) y una carácter. R "adivina" el que tipo de datos, ya sabemos que es débilmente tipado. Como estoy usando R>4.0, stringsAsFactors = FALSE por defecto, de lo contrario a c le asignaría la clase factor. Creo que da igual a efectos del problema.

datos2 <- data.frame(sapply(datos, function(x) {ifelse(x==0,NA,x)}))
datos2

   a    b    c
<NA> <NA>    A
<NA> <NA> <NA>
   3 <NA> <NA>
   4 <NA> <NA>
<NA> <NA> <NA>

sapply(datos2, class)

          a           b           c 
"character" "character" "character" 

En efecto, todas son de la clase carácter, si esto fuera R<4.0 serían factores, pero da igual para este problema. ¿Por qué? Porque sapply(), que es un peligro aplicando coerciones a los datos. Es difícil saber con precisión que clase nos va a regresar sapply(). En este caso lo que hace es pasar la función ifelse() en cada columna de datos y regresar el resultado en una matriz, que luego se coerciona a data.frame. El punto es que las matrices no soportan columnas de diferentes tipo, entonces obliga a que los datos se expresen en el tipo más básico. Como tengo una columna con caracteres lo que hace es bajar a todas las demás al nivel carácter, que tiene mayor generalidad. Es decir, puedo expresar número como caracteres, pero no caracteres como números.

Solución

Si datos debería contener solo numéricas ahí está el problema. Si está bien que sea una combinación de números y letras entonces la mejor alternativa es lapply() en lugar de sapply(). lapply() siempre regresa una lista y en una lista puede haber elementos heterogéneos, entonces cada columna conserva sus atributos.

datos2 <- data.frame(lapply(datos, function(x) {ifelse(x==0,NA,x)}))

sapply(dato2, class)
        a           b           c 
"numeric"   "logical" "character" 

Alternativamente:

datos[] <-  lapply(datos, function(x) {ifelse(x==0,NA,x)})

También funciona. Al poner datos[] del lado izquierdo R trata de conservar todos los atributos que puede en la asignación, así que lo mantiene como data.frame.

Conclusión

R es débilmente tipado, eso facilita muchas cosas, pero genera este tipo de inconsistencias en los resultados. Adivinar el ouput de sapply() es una lotería y hay que usarla con mucho cuidado. Si estás trabajando con listas, incluyendo data.frame, es más seguro usar lapply() y si es necesario simplificar el resultado en un paso posterior.

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.