我建议

sapply(foo, typeof)

如果你需要数据帧中向量的实际类型。Class()有点不同。

如果你不需要作为一个向量来获取这个信息(也就是说，你不需要它来做其他的编程)，只需要使用str(foo)。

在这两种情况下，foo将被替换为数据帧的名称。

我建议

sapply(foo, typeof)

如果你需要数据帧中向量的实际类型。Class()有点不同。

如果你不需要作为一个向量来获取这个信息(也就是说，你不需要它来做其他的编程)，只需要使用str(foo)。

在这两种情况下，foo将被替换为数据帧的名称。

如果你以data.frame(而不是matrix)的形式导入csv文件，你也可以使用summary.default

summary.default(mtcars)

     Length Class  Mode   
mpg  32     -none- numeric
cyl  32     -none- numeric
disp 32     -none- numeric
hp   32     -none- numeric
drat 32     -none- numeric
wt   32     -none- numeric
qsec 32     -none- numeric
vs   32     -none- numeric
am   32     -none- numeric
gear 32     -none- numeric
carb 32     -none- numeric

因为说得不清楚，我补充一下:

我正在寻找一种方法来创建一个表，其中保存所有数据类型的出现次数。

假设我们有一个data.frame，有两个数字列和一个逻辑列

dta <- data.frame(a = c(1,2,3), 
                  b = c(4,5,6), 
                  c = c(TRUE, FALSE, TRUE))

您可以用它来总结每种数据类型的列数

table(unlist(lapply(dta, class)))
# logical numeric 
#       1       2 

如果您有很多列，并且想要快速浏览，那么这个方法非常方便。

这个解决方案的灵感来自@Cybernetic的答案。

要获得一个带有类型和类的漂亮Tibble:

  purrr::map2_df(mtcars,names(mtcars), ~ {
    tibble(
      field = .y,
      type = typeof(.x),
      class_1 = class(.x)[1],
      class_2 = class(.x)[2]
    )
    })

另一种选择是使用purrr包的map函数。

library(purrr)
map(df,class)