วิธีซ่อมแซมใน r: อาร์กิวเมนต์ที่ไม่ใช่ตัวเลขของตัวดำเนินการไบนารี
ข้อผิดพลาดที่คุณอาจพบใน R คือ:
Error in df$var1- df$var2: non-numeric argument to binary operator
ข้อผิดพลาดนี้เกิดขึ้นเมื่อคุณพยายามดำเนิน การแบบไบนารี่ กับเวกเตอร์สองตัว และเวกเตอร์ตัวใดตัวหนึ่งไม่ใช่ตัวเลข
นี่คือตัวอย่างของการดำเนินการแบบไบนารี:
- การลบ ( – )
- นอกจากนี้ ( + )
- การคูณ ( * )
- กอง ( / )
ข้อผิดพลาดนี้มักเกิดขึ้นเมื่อเวกเตอร์ตัวใดตัวหนึ่งที่คุณระบุเป็นเวกเตอร์อักขระ
บทช่วยสอนนี้จะอธิบายวิธีแก้ไขข้อผิดพลาดนี้อย่างชัดเจน
วิธีการทำซ้ำข้อผิดพลาด
สมมติว่าเรามี data frame ต่อไปนี้ใน R:
#create data frame
df <- data. frame (period = c(1, 2, 3, 4, 5, 6, 7, 8),
sales = c(14, 13, 10, 11, 19, 9, 8, 7),
returns = c('1', '0', '2', '1', '1', '2', '2', '3'))
#view data frame
df
period sales returns
1 1 14 1
2 2 13 0
3 3 10 2
4 4 11 1
5 5 19 1
6 6 9 2
7 7 8 2
8 8 7 3
ตอนนี้ สมมติว่าเราพยายามสร้างคอลัมน์ใหม่ชื่อ “net” โดยลบคอลัมน์ “returns” ออกจากคอลัมน์ “sales”:
#attempt to create new column called 'net'
df$net <- df$sales - df$returns
Error in df$sales * df$returns: non-numeric argument to binary operator
เกิดข้อผิดพลาดเนื่องจากคอลัมน์ “returns” อยู่ในคลาส “อักขระ” และไม่สามารถลบคอลัมน์อักขระออกจากคอลัมน์ตัวเลขได้
#display class of 'sales' column
class(df$sales)
[1] "digital"
#display class of 'returns' column
class(df$returns)
[1] “character”
วิธีการแก้ไขข้อผิดพลาด
วิธีแก้ไขข้อผิดพลาดนี้คือการใช้ as.numeric() เพื่อแปลงคอลัมน์ “returns” เป็นตัวเลขก่อนดำเนินการลบ:
#create new column called 'net'
df$net <- df$sales - as. numeric (df$returns)
#view updated data frame
df
period sales returns net
1 1 14 1 13
2 2 13 0 13
3 3 10 2 8
4 4 11 1 10
5 5 19 1 18
6 6 9 2 7
7 7 8 2 6
8 8 7 3 4
เราสามารถทำการลบได้โดยไม่มีข้อผิดพลาดใดๆ เนื่องจากคอลัมน์ “ยอดขาย” และ “ผลตอบแทน” เป็นตัวเลข
แหล่งข้อมูลเพิ่มเติม
บทช่วยสอนต่อไปนี้อธิบายวิธีแก้ไขข้อผิดพลาดทั่วไปอื่น ๆ ใน R:
วิธีแก้ไขใน R: dim(X) ต้องมีความยาวเป็นบวก
วิธีแก้ไขใน R: ชื่อไม่ตรงกับชื่อก่อนหน้า
วิธีแก้ไขใน R: ความยาวของวัตถุที่ยาวกว่าไม่ใช่ผลคูณของความยาวของวัตถุที่สั้นกว่า
วิธีแก้ไขใน R: คอนทราสต์ใช้ได้กับปัจจัยที่มี 2 ระดับขึ้นไปเท่านั้น