如何在R中创建一个函数来检查数据错误？

我有很多csv文件的温度数据，我导入到R处理。这些文件看起来像：

ID   Date.Time          temp1    temp2
1    08/13/17 14:48:18  15.581  -0.423
2    08/13/17 16:48:18  17.510  -0.423
3    08/13/17 18:48:18  15.390  -0.423

有时，第3列和第4列中的温度读数明显错误，必须用NA值替换。我知道任何超过50或低于50的都是错误的。我想马上把这些拿走。使用

df[,c(3,4)]<- replace(df[,c(3,4)], df[,c(3,4)] >50, NA)
df[,c(3,4)] <- replace(df[,c(3,4)], df[,c(3,4)] < -50, NA)

df[，c（3,4）]50，NA）
df[，c（3,4）]您需要在
remove.errors
中返回
df
；您还可以使用
abs
更简洁地编写
replace
语句：

remove.errors<-function (df) {
    df[]<- replace(df, abs(df) > 50, NA)
    return(df)
}

1）试试这个。它只使用基本R

clean <- function(x, max = 50, min = -max) replace(x, x > max | x < min, NA)
df[3:4] <- clean(df[3:4])

2）加入magrittr，我们可以做到：

library(magrittr)
df[3:4] %<>% { clean(.) }

library(dplyr)

df %>% mutate_at(3:4, clean)

如果data.frame中有非数字列，则可能需要：

remove_errors <- function(df) {
    numcols <- sapply(df, is.numeric)
    df[ , numcols] <- lapply(df[,numcols], function(x) ifelse(abs(x) > 50, NA, x))
    return(df)
}

remove\u错误使用
lappy（df[3:4]，clean）
会更好吗？它不会经过转换成
矩阵
。然而，对于大小帧，
lappy
版本需要一半的时间（基准测试高达5e5行）。对我来说，问题不在于性能，而在于看到一些习惯会在某个时候（不是在这里）伤害毫无戒心的程序员，例如，在具有不同列类的
data.frame
上使用
apply（MARGIN=1，…）
。实际上
clean（df[3:4]）
生成一个data.frame，而不是一个矩阵。好的，那么
class（x>max | x
是
matrix
，这是另一回事。很抱歉，我没有说你的代码不好或工作不好。
transform(df, temp1 = clean(temp1), temp2 = clean(temp2))

library(magrittr)
df[3:4] %<>% { clean(.) }

library(dplyr)

df %>% mutate_at(3:4, clean)

remove_errors <- function(df) {
    numcols <- sapply(df, is.numeric)
    df[ , numcols] <- lapply(df[,numcols], function(x) ifelse(abs(x) > 50, NA, x))
    return(df)
}

set.seed(1234)
mydf <- data.frame(
    a = sample(-100:100, 20, T),
    b = sample(30:70, 20, T),
    c = sample(letters, 20, T),
    stringsAsFactors = F
)

remove_errors(mydf)