当数据框包含日期格式时，为什么按列应用求和并且 colSums 不同？

Question

在下面的例子中，为什么 A 不等于 B？问题与日期列有关，因为 AA=BB，但我不明白为什么...

library(lubridate)
MM=data.frame(ID=1:3,Date=ymd(c("2019-11-07","2019-11-07","2019-11-13")),X=c(-1,1,1),Y=c(1,-1,-1))
A=apply(MM,2,function(x) sum(x>0))
B=colSums(MM>0)
A
# ID Date    X    Y
# 3    3    0    0 
B
# ID Date    X    Y 
# 3    3    2    1
AA=apply(MM[,-2],2,function(x) sum(x>0))
BB=colSums(MM[,-2]>0)
AA
# ID  X  Y 
# 3  2  1 
BB
# ID  X  Y 
# 3  2  1

R 版本 4.0.3 (2020-10-10)

Answer 1

因为apply，在将函数应用到每一列之前，首先将data.frame转换为矩阵。

因此：

> as.matrix(MM)

     ID  Date         X    Y   
[1,] "1" "2019-11-07" "-1" " 1"
[2,] "2" "2019-11-07" " 1" "-1"
[3,] "3" "2019-11-13" " 1" "-1"

一切都转换为字符。

具体可以看到：

> " 1" > 0
[1] FALSE
> "1" > 0
[1] TRUE

这是因为0被转换成了char。

“0”按字母顺序排在“1”之前，因为字符 0 与空格而不是字符“1”进行比较。

字符串的顺序是由一个字符一个字符一个字符一个字符地比较决定的。（这与 "10" > "9" 是 FALSE 的原因相同，因为 1 按字母顺序在 9 之前）。

> sort(c("0", " 1"))
[1] " 1" "0" 
> sort(c("0", "1"))
[1] "0" "1"

因此：

> as.matrix(MM)>0
       ID Date     X     Y
[1,] TRUE TRUE FALSE FALSE
[2,] TRUE TRUE FALSE FALSE
[3,] TRUE TRUE FALSE FALSE

colSums 不会那样做。

如果您这样做，您可以获得与 colSums 相同的结果：

> apply(MM>0, 2, sum)
  ID Date    X    Y 
   3    3    2    1

当数据框包含日期格式时，为什么按列应用求和并且 colSums 不同？

Why apply sum by column and colSums differs when dataframe contains date format?

r

sum

date

apply

lubridate