Question

我已经在dplyr tbl_df中循环遍历值，尝试打印两列的唯一组合。经过多次试验和错误，我只能通过将tbl_df转换回标准data.frame来获得所需的输出。我知道两种结构之间的主要区别，但我仍然无法理解我每次看到的不同输出。

例如，使用此数据

hospital <- rep(c("Hospital 1", "Hospital 2", "Hospital 3"), 3)
ward <- LETTERS[1:2]
hospitals <- data.frame(cbind(hospital, ward))
hospitals[order(hospitals$hospital, hospitals$ward), ]

#     hospital ward
# 1 Hospital 1    A
# 7 Hospital 1    A
# 4 Hospital 1    B
# 5 Hospital 2    A
# 2 Hospital 2    B
# 8 Hospital 2    B
# 3 Hospital 3    A
# 9 Hospital 3    A
# 6 Hospital 3    B

以及以下循环

for(hosp in unique(hospitals$hospital)){
  for(wa in unique(hospitals[hospitals$hospital==hosp, "ward"])){
    print(paste(hosp, wa, sep=" "))
    }
  }

我可以得到我想要的输出

#[1] "Hospital 1 A"
#[1] "Hospital 1 B"
#[1] "Hospital 2 B"
#[1] "Hospital 2 A"
#[1] "Hospital 3 A"
#[1] "Hospital 3 B"

但是使用相同数据的tbl_df，我得到了不同的输出

hospitals2 <- tbl_df(hospitals)

for(hosp in unique(hospitals2$hospital)){
  for(wa in unique(hospitals2[hospitals2$hospital==hosp, "ward"])){
    print(paste(hosp, wa, sep=" "))
    }
  }


#[1] "Hospital 1 A" "Hospital 1 B"
#[1] "Hospital 2 B" "Hospital 2 A"
#[1] "Hospital 3 A" "Hospital 3 B"

它不仅仅是一个打印差异，这似乎是三个双元素向量而不是六个单元素向量，我的后续代码只能在正常数据帧上运行循环时按预期工作。 / p>

任何人都能解释为什么我会看到这些差异吗？

Answer 1

您无法通过子集for loop在tbl_df上[。文档说明了一切：

[永远不要简化（丢弃），因此始终返回data.frame。

您看到hospitals2[hospitals2$hospital==hosp, "ward"]返回data.frame

hospitals2[hospitals2$hospital==hosp, "ward"]
#Source: local data frame [3 x 1]

#  ward
#1    A
#2    B
#3    A

，而

hospitals[hospitals$hospital==hosp, "ward"]
#[1] A B A
#Levels: A B

使用[[提取列向量，例如

for(hosp in unique(hospitals2$hospital)){
    for(wa in unique(hospitals[hospitals$hospital==hosp,][["ward"]])){
        print(paste(hosp, wa, sep=" "))
    }
} 
#[1] "Hospital 1 A"
#[1] "Hospital 1 B"
#[1] "Hospital 2 B"
#[1] "Hospital 2 A"
#[1] "Hospital 3 A"
#[1] "Hospital 3 B"

使用循环时tbl_df和data.frame的区别

1 个答案: