はじめに

data.frame と data.tableでsummary()の表示結果が異なる！と質問がきたので、まとめてみた。

結論

data.frameでは文字列の列はデフォルトだとfactor型。data.tableでは文字列はcharacter型になる。

character型だと、summaryで統計量がでないようです。

factor型とcharacter型で、summaryの結果が異なるのですね。

データを作る

> aaa <- seq(1,100)
> bbb <- seq(1,200,by=2)
> ccc <- c(rep("c",50), rep("d",50))

data.frameの場合

> df <- data.frame(a1 = aaa, b1 = bbb, c1 = ccc)
> sapply(df, class)
       a1        b1        c1 
"integer" "numeric"  "factor" 
> summary(df)
       a1               b1        c1    
 Min.   :  1.00   Min.   :  1.0   c:50  
 1st Qu.: 25.75   1st Qu.: 50.5   d:50  
 Median : 50.50   Median :100.0         
 Mean   : 50.50   Mean   :100.0         
 3rd Qu.: 75.25   3rd Qu.:149.5         
 Max.   :100.00   Max.   :199.0

data.tableの場合

> dt <- data.table(a1 = aaa, b1 = bbb, c1 = ccc)
> sapply(dt, class)
         a1          b1          c1 
  "integer"   "numeric" "character" 
> summary(dt)
       a1               b1             c1           
 Min.   :  1.00   Min.   :  1.0   Length:100        
 1st Qu.: 25.75   1st Qu.: 50.5   Class :character  
 Median : 50.50   Median :100.0   Mode  :character  
 Mean   : 50.50   Mean   :100.0                     
 3rd Qu.: 75.25   3rd Qu.:149.5                     
 Max.   :100.00   Max.   :199.0