inspectdf主要针对数据框（data frames）的列信息汇总、对比和可视化。具体内容包括报告缺失值，因子水平，数值范围，相关性，列信息和内容使用情况。

Base-R中类似的功能有，str(),dim()等。

下面用starwars进行数据结构演示：

rm(list = ls()) #清空环境
p_load(dplyr)
data("starwars")
head(starwars)

## # A tibble: 6 x 14
##   name  height  mass hair_color skin_color eye_color birth_year sex   gender
##   <chr>  <int> <dbl> <chr>      <chr>      <chr>          <dbl> <chr> <chr> 
## 1 Luke~    172    77 blond      fair       blue            19   male  mascu~
## 2 C-3PO    167    75 <NA>       gold       yellow         112   none  mascu~
## 3 R2-D2     96    32 <NA>       white, bl~ red             33   none  mascu~
## 4 Dart~    202   136 none       white      yellow          41.9 male  mascu~
## 5 Leia~    150    49 brown      light      brown           19   fema~ femin~
## 6 Owen~    178   120 brown, gr~ light      blue            52   male  mascu~
## # ... with 5 more variables: homeworld <chr>, species <chr>, films <list>,
## #   vehicles <list>, starships <list>

insepct_types()

单个数据框信息汇总

p_load(inspectdf)
x <- inspect_types(starwars)
x

## # A tibble: 4 x 4
##   type        cnt  pcnt col_name    
##   <chr>     <int> <dbl> <named list>
## 1 character     8 57.1  <chr [8]>   
## 2 list          3 21.4  <chr [3]>   
## 3 numeric       2 14.3  <chr [2]>   
## 4 integer       1  7.14 <chr [1]>

列名称储存在col_name中

x$col_name$list

##          12          13          14 
##     "films"  "vehicles" "starships"

show_plot:环形展示数据类型

x %>% 
  show_plot()

image.png

两个数据框信息对比

为了便于展示，直接从starwars数据集中随机抽取数行

star_1 <- starwars %>% 
  sample_n(50) #随机抽取50行
star_1$mass <- as.character(star_1$mass)
star_2 <- starwars %>% 
  sample_n(50) %>% 
  select(-1)

当提供第2个数据框时，inspect_types()返回对比后发现的列名称和数据类型

x <- inspect_types(star_1,star_2)
x

## # A tibble: 4 x 6
##   type      equal cnt_1 cnt_2 columns           issues   
##   <chr>     <chr> <int> <int> <named list>      <list>   
## 1 character <U+2718>         9     7 <tibble [16 x 2]> <chr [2]>
## 2 list      <U+2714>        3     3 <tibble [6 x 2]>  <NULL>   
## 3 integer   <U+2714>        1     1 <tibble [2 x 2]>  <NULL>   
## 4 numeric   <U+2718>         1     2 <tibble [3 x 2]>  <chr [1]>

x$columns$numeric #展示star_1和star_2中数据类型为numeric的列名称

## # A tibble: 3 x 2
##   col_name   data_arg
##   <chr>      <chr>   
## 1 birth_year star_1  
## 2 mass       star_2  
## 3 birth_year star_2

inspct_types产生的issues列包含两个数据框不匹配的内容的相关信息。可视化这些信息的 方法用tidyr::unnest()功能：

p_load(tidyr)
x %>% 
  select(type,issues) %>% 
  unnest(issues)

## # A tibble: 3 x 2
##   type      issues                                             
##   <chr>     <chr>                                              
## 1 character star_1::mass ~ character <!> star_2::mass ~ numeric
## 2 character star_1::name ~ character  missing from star_2      
## 3 numeric   star_1::mass ~ character <!> star_2::mass ~ numeric

此外，还可以用show_plot()可视化对比的结果：

inspect_types(star_1,star_2) %>% 
  show_plot()

image.png

inspect_mem()

展示每列数据消耗的内存

head(inspect_mem(starwars),3)

## # A tibble: 3 x 4
##   col_name  bytes size      pcnt
##   <chr>     <int> <chr>    <dbl>
## 1 films     20008 19.54 Kb  35.9
## 2 starships  7448 7.27 Kb   13.4
## 3 name       6280 6.13 Kb   11.3

其他重要的功能：

• inspect_na():汇总NA信息

• inspect_cor():数值列的相关性信息

• inspect_imb():展示分类列的特征不平衡情况

• inspect_num():数值列信息汇总

• inspect_cat()：因子列信息汇总

参考文献：

Alastair Rushworth (2021). inspectdf: Inspection, Comparison and Visualisation of Data Frames. R package version 0.0.10. https://CRAN.R-project.org/package=inspectdf