Question

我试图根据两个分组（门和环境）计算平均值（以及其他计算），我想重定向到输出到文件。我知道下面的代码可以工作。

new_df = myDF[(myDF$Environment=='Water_MarineTreated') & (myDF$Phylum=='Acidobacteria'),]
print(mean(new_df$pH))

然而，因为有这么多的环境和众多的门，我觉得包含循环的函数是最好的方法。我有一个函数，它取一个向量的名称和计算的名称（例如mean，sd，var等等）循环遍历每个环境和每个门，计算每个排列的平均pH值，将其添加到向量，并返回向量。不幸的是，返回值是“numeric（0）”。虽然这是我告诉它的回归，但这不是我想要的。

我认为规则是每个帖子的一个问题，所以如果有人能够解释为什么有一个空载体返回而不是一个充满pH值的载体，我会很感激。如果规则可以稍微弯曲，有人可以回答为什么“eName = numeric（）”不起作用，我也会很感激。如果我在内部循环中放置一个虚拟打印语句，当我使用eName = numeric（）时，不会打印任何内容，就像我初始化Water_MarineTreated = numeric（）一样，打印出虚拟语句。

我的功能和函数调用如下所示。

    fileName = 'mini.txt'    
    myDF = read.csv(fileName, header = TRUE, sep = ' ')
    environment = unique(unlist(myDF$Environment, use.names = FALSE))
    phyla = unique(unlist(myDF$Phylum, use.names = FALSE))

    Statistics = function(eName, funName)
    {
       #eName = numeric() #This approach does not work?!!
       for (i in environment)
       {   
          for (j in phyla)
          {   
             stats_df = myDF[(myDF$Environment==i) & (myDF$Phylum==j),]

             if (i == deparse(substitute(eName)))
             {   
                #Water_MarineTreated == c(Water_MarineTreated, funName(as.numeric(stats_df$pH)))
                eName == c(eName, funName(as.numeric(stats_df$pH)))
                print('dummy_statement')
              }   
          }   
       }   
       return(eName)
    }

    Water_MarineTreated = numeric()
    Water_MarineTreated = Statistics(Water_MarineTreated, mean)
    print(Water_MarineTreated)

输入样本如下所示：

Phylum pH Environment 
Acidobacteria 5.4 Water_MarineTreated 
Acidobacteria 6.1 Water_PondTreated
Acidobacteria 6.1 Water_MarineTreated 
Acidobacteria 5.6 Water_MarineTreated 
Acidobacteria 6.2 Water_MarineTreated 
Deinococcus_Thermus 4.9 Water_MarineTreated 
Firmicutes 5.1 Water_MarineTreated 
Firmicutes 5.5 Water_MarineTreated

Answer 1

data.table包提供（除其他外）一个非常好的语法，用于按组快速计算函数。请考虑以下示例：

library(data.table)

# Convert sample data to a data.table:
dt <- as.data.table(mtcars)

# Calculate the mean and median mpg by cyl and gear, where carb < 8:
dt[carb<8, # The "where clause"
   list(mpg.mean=mean(mpg), mpg.med=median(mpg)), # What you want to calculate
   by=list(cyl,gear)] # The groups go here
#   cyl gear mpg.mean mpg.med
#1:   6    4   19.750   20.10
#2:   4    4   26.925   25.85
#3:   6    3   19.750   19.75
#4:   8    3   15.050   15.20
#5:   4    3   21.500   21.50
#6:   4    5   28.200   28.20
#7:   8    5   15.800   15.80
#8:   6    5   19.700   19.70

查看documentation了解更多信息。

Answer 2

您的解决方案可以使用plyr包获得：

library(plyr)
ddply(mtcars,.(mpg,cyl),colwise(mean))

对于您的数据，如果您要查找除环境和门之外的所有列的平均值（并假设它们是数字的）

library(plyr)
 ddply(myDF,.(Environment,Phylum),colwise(mean))

注意：如果你想要sd，用sd替换mean。

Answer 3

你在循环的中间有一行：

eName == c(eName, funName(as.numeric(stats_df$pH)))

双等号==表示比较并返回TRUE或FALSE，它不会进行任何分配。因此eName以空向量开始，并且从未分配任何内容。这只是我更喜欢<-进行分配的原因之一。

即使你切换到一个赋值，它现在的方式你将覆盖每次迭代的值，返回值将只是最终值，而不是所有值。你需要更像的东西：

eName[i] <- ...

或

eName[i,] <- ...

虽然在任何一种情况下，使用sapply代替循环通常更简单。

R函数不返回预期的向量

3 个答案: