Question

我想通过data.frame的不同列（在列名中使用通用模式）迭代函数。对于data.frame的子集，我使用这个有效的代码：

df[,grep("abc", colnames(df))]

但我不知道如何将我的函数f（x）应用于匹配此模式的所有列，使用for循环或lapply函数。

我正在使用的功能是：

compress= function(x) {
  aggregate(df[,x,drop=FALSE],
        list(hour = with(df,paste(dates(Time),
                                         sprintf("%d:00:00",hours(Time))))),
        sum,na.rm=TRUE)
}

其中df（数据框）和Time可以设置为变量本身，但目前我不需要这样做。

由于朱

Answer 1

你基本上得到了它。只需在子集数据的列上使用apply通过列apply函数f（2的第二个参数中的apply表示列，而不是至1表示行apply的行：）

apply( df[,grep("abc", colnames(df))] , 2 , f )

或者，如果您不想将df强制转换为matrix（apply会发生这种情况），您可以按照您的建议使用lapply同样的方式......

lapply( df[,grep("abc", colnames(df))] , f )

lapply的返回值将是一个列表，每列有一个元素。您可以通过将data.frame电话与lapply一起打包，将其重新转换为data.frame，例如data.frame( lapply(...) )

实施例

# This function just multiplies its argument by 2
f <- function(x) x * 2

df <- data.frame( AB = runif(5) , AC = runif(5) , BB = runif(5) )


apply( df[,grep("A", colnames(df))] , 2 , f )
#            AB        AC
#[1,] 0.4130628 1.3302304
#[2,] 0.2550633 0.1896813
#[3,] 1.5066157 0.7679393
#[4,] 1.7900907 0.5487673
#[5,] 0.7489256 1.6292801


data.frame( lapply( df[,grep("A", colnames(df))] , f ) )
#         AB        AC
#1 0.4130628 1.3302304
#2 0.2550633 0.1896813
#3 1.5066157 0.7679393
#4 1.7900907 0.5487673
#5 0.7489256 1.6292801

# Note the important difference between the two methods...
class( data.frame( lapply( df[,grep("A", colnames(df))] , f ) ) )
#[1] "data.frame"
class( apply( df[,grep("A", colnames(df))] , 2 , f ) )
#[1] "matrix"

第二次编辑

对于要运行的示例函数，可能更容易将其重写为以df作为输入和要操作的列名向量的函数。在此示例中，函数返回一个列表，该列表的每个元素都包含一个聚合的data.frame：

compress= function( df , x ) {
  lapply( x , function(x){
  aggregate(df[,x,drop=FALSE],
        list(hour = with(df,paste(dates(Time),
                                         sprintf("%d:00:00",hours(Time))))),
        sum,na.rm=TRUE)
    }
  )
}

要运行该函数，您只需调用它，向其传递data.frame和一个colnames向量...

compress( df , names(df)[ grep("abc", names(df) ) ] )

通过与列名称中的模式匹配的data.frame的不同列迭代函数

1 个答案:

实施例

第二次编辑