当数据框包含日期格式时，为什么按列应用 sum 和 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

这是因为apply，在将函数应用于每一列之前，首先将 data.frame 转换为矩阵。

所以：

> 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。

具体来说，你可以看到：

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

这是因为 0 被转换为 char。

“0”按字母顺序排在“1”之前，因为将字符 0 与空白而不是字符“1”进行比较。

字符串的顺序是由1（这是相同的原因，通过字符1比较字符决定"10" > "9"是FALSE，因为1字母是前9）。

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

作为结果：

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

colSums 不这样做。

colSums如果您这样做，您可以获得相同的结果：

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