r - sapply() 返回列表而不是向量

Question

我有以下数据框-

   name amarks bmarks cmarks
1   A    25      30     40   
2   B    45      78     50 
3   C    75      72     29 
4   D    18      16     70  
.   .    .       .      .

其中 name 是人名，amarks、bmarks 和 cmarks 是此人在不同考试中的分数。现在我的任务是找出在 amarks、bmarks 和 cmarks 中得分最高的人的名字。我还必须将其存储为矢量。我已经通过以下方式解决了它 -

> max_name <- sapply(marks[,2:4], function(x) {subset(marks, x == max(x,
> na.rm = T), name)})

这给了我正确的答案，但是当我检查 max_name 的数据类型时，我看到它是一个列表，而理想情况下我希望 sapply 返回向量。

以下是我的观察——

class(max_name)

> list

typeof(max_name)

> list

is.vector(max_name)

> vector

有人可以解释一下这里发生的事情吗？我错过了什么吗？我是否需要对我的代码进行任何更改才能返回向量？

Answer 1

您的代码有一些问题:

数据帧的
1. subset 方法将 , drop = FALSE 设置为默认值，这意味着您将总是得到一个数据帧作为返回(除非您将明确指定 , drop = TRUE)。因此，您将始终得到一个 list 向量作为结果，因为这是 R 中唯一可以将多个数据帧保存在一起的结构(另外，请注意 ?subset 中的“警告”部分 有关何时以及如果您应该使用它的文档)。
2. x == max(... 可以返回未知数量的行，因为在每一列中可能有几个值等于最大值。因此，很可能你会得到不同的长度向量作为一个结果，好吧，只有一个 list 可以包含不同大小的向量。如果你只希望每列有一个结果，你可以使用 which.max 例如，也会自动忽略 NA。
3. 最后，您不是很清楚您实际期望的返回是什么而不是列表？如果一列中有不止一行等于最大值，是否需要两个名称？还是只有第一个？无论哪种方式，以下是几个选项

让我们添加一些 NA 和一些等于列最大值的重复行，这样我们就可以看到结果有何不同

marks <- read.table(text = "name amarks bmarks cmarks
1   A    NA      30     40   
2   B    45      78     50 
3   C    75      NA     70 
4   D    75      16     70", header = TRUE, stringsAsFactors = FALSE)

marks 
#   name amarks bmarks cmarks
# 1    A     NA     30     40
# 2    B     45     78     50
# 3    C     75     NA     70
# 4    D     75     16     70

基本上，如果您想要所有 name，我们可以将unlist 添加到您的代码中

unlist(sapply(marks[, 2:4], function(x) {subset(marks, x == max(x, na.rm = TRUE), name)}))
# amarks.name1 amarks.name2  bmarks.name cmarks.name1 cmarks.name2 
#         "C"          "D"          "B"          "C"          "D" 

不使用 subset 实现相同效果的替代方法

marks$name[unlist(sapply(marks[, 2:4], function(x) which(x == max(x, na.rm = TRUE))))]
## [1] "C" "D" "B" "C" "D"

甚至(矢量化/过于复杂的权衡)

marks$name[which(sapply(marks[, 2:4], 
                        function(x) x == max(x, na.rm = TRUE)), arr.ind = TRUE)[, "row"]]
## [1] "C" "D" "B" "C" "D"

或者完全矢量化的解决方案(作为使用外部包、矩阵转换和通常 super 复杂的交换)

marks$name[which(marks[, 2:4] == matrixStats::colMaxs(as.matrix(marks[, 2:4]), 
                                                      na.rm = TRUE)[col(marks[, 2:4])], 
                 arr.ind = TRUE)[, "row"]]

## [1] "C" "D" "B" "C" "D"

---

不过，如果您只想要每列的第一个最大值，我们可以简化为(它也处理 NA)

marks$name[sapply(marks[, 2:4], which.max)]
# [1] "C" "B" "C"