我必须承认在尝试理解函数中的函数是如何定义并传递给R时完全过时的。这些例子总是假设你理解每个细微差别并且不提供过程的描述。我还没有看到一个简单的英语,白痴指导打破了这个过程。所以第一个问题是你知道吗?
现在我的身体问题
我有一个data.frames列表:fileData。
我想在每个data.frame中的特定列上使用rollapply()函数。然后我希望所有结果(列表)结合起来。所以从一个使用内置mtcars数据帧的data.frames开始作为例子:
当然我需要告诉rollapply()使用函数PPI()以及作为列的相关参数。
PPI <- function(a, b){
value = (a + b)
PPI = sum(value)
return(PPI)
}
我试过了:
f <- function(x) PPI(x$mpg, x$disp)
fileData<- list(mtcars, mtcars, mtcars)
df <- fileData[[1]]
并停在
rollapply(df, 20, f)
Error in x$mpg : $ operator is invalid for atomic vectors
我认为这与使用矩阵的Zoo有关,但其他众多尝试无法解决rollapply问题。所以转向我认为的下一步:
lapply(fileData, function(x) rollapply ......
似乎一英里之外。一些指导和解决方案将非常受欢迎 感谢。
答案 0 :(得分:2)
我会尽力帮助您并展示如何调试问题。在R中非常有用的一个技巧是学习如何调试。我正在使用browser
函数。
我在这里通过添加一行来更改您的函数f
:
f <- function(x) {
browser()
PPI(x$changeFactor_A, x$changeFactor_B)
}
现在当你跑:
rollapply(df, 1, f)
调试器停止,您可以检查参数x的值:
Browse[1]> x
[1,]
1e+05
如您所见,是一个标量值,因此您无法在其上应用$
运算符,因此您会收到错误:
Error in x$changeFactor_A : $ operator is invalid for atomic vectors
现在我将解释你应该怎么做。
excees
:所以你在它之外进行减法(更容易)mapply
来获得通用解决方案。 (更难,但更一般,非常有用)$
。就个人而言,我只在R控制台上使用它。我假设你的data.frames(zoo对象)有changeFactor_A和changeFactor_B列。
sapply(fileData,function(dat){
dat <- transform(dat,excess= changeFactor_A-changeFactor_B)
rollapply(dat[,'excess'],2,sum)
}
或者更一般地说:
sapply(fileData,function(dat){
excess <- get_excess(dat,'changeFactor_A','changeFactor_B')
rollapply(excess,2,sum)
}
哪里
get_excess <-
function(data,colA,colB){
### do whatever you want here
### return a vector
excess
}
答案 1 :(得分:1)
看看&#34;用法&#34;帮助页面的?rollapply
部分。我承认R帮助页面不容易解析,我知道你是如何混淆的。
问题在于rollapply
可以处理ts
,zoo
或一般numeric
向量,但只能处理一个系列。您正在为它提供一个带有两个参数的函数asset
和benchmark
。当然,您的f
和PPI
可以简单地进行矢量化,但rollapply
根本就没有。{/ p>
解决方案:计算excess
以外的rollapply
excess
(rollapply
很容易进行矢量计算,并且不涉及任何滚动计算),只有> mtcars$excess <- mtcars$mpg-mtcars$disp
> rollapply(mtcars$excess, 3, sum)
[1] -363.2 -460.8 -663.1 -784.8 -893.9 ...
您的函数才能它:
mapply
您可能对apply
感兴趣,mapply
为多个参数的矢量化,类似于{{1}}和朋友,它们在单个论点。但是,我知道{{1}}与滚动窗口没有相似之处。
答案 2 :(得分:1)
我大汗淋漓,花了一些时间慢慢了解如何分解使用另一个函数的参数调用函数的过程和协议。一个伟大的网站帮助了Advanced R来自唯一的Hadley Wickham,再次!显示过程分解的图片接近理想。虽然我仍然需要我的思考上限一些细节。
这是一个包含笔记的完整示例。希望其他人觉得它很有用。
library(zoo)
#Create a list of dataframes for the example.
listOfDataFrames<- list(mtcars, mtcars, mtcars)
#Give each element a name.
names(listOfDataFrames) <- c("A", "B", "C")
#This is a simple function just for the example!
#I want to perform this function on column 'col' of matrix 'm'.
#Of course to make the whole task worthwhile, this function is usually something more complex.
fApplyFunction <- function(m,col){
mean(m[,col])
}
#This function is called from lapply() and does 'something' to the dataframe that is passed.
#I created this function to keep lapply() very simply.
#The something is to apply the function fApplyFunction(), wich requires an argument 'thisCol'.
fOnEachElement <- function(thisDF, thisCol){
#Convert to matrix for zoo library.
thisMatrix <- as.matrix(thisDF)
rollapply(thisMatrix, 5, fApplyFunction, thisCol, partial = FALSE, by.column = FALSE)
}
#This is where the program really starts!
#
#Apply a function to each element of list.
#The list is 'fileData', with each element being a dataframe.
#The function to apply to each element is 'fOnEachElement'
#The additional argument for 'fOnEachElement' is "vs", which is the name of the column I want the function performed on.
#lapply() returns each result as an element of a list.
listResults <- lapply(listOfDataFrames, fOnEachElement, "vs")
#Combine all elements of the list into one dataframe.
combinedResults <- do.call(cbind, listResults)
#Now that I understand the argument passing, I could call rollapply() directly from lapply()...
#Note that ONLY the additional arguments of rollapply() are passed. The primary argurment is passed automatically by lapply().
listResults2 <- lapply(listOfDataFrames, rollapply, 5, fApplyFunction, "vs", partial = FALSE, by.column = FALSE)
结果:
> combinedResults
A B C
[1,] 0.4 0.4 0.4
[2,] 0.6 0.6 0.6
[3,] 0.6 0.6 0.6
[4,] 0.6 0.6 0.6
[5,] 0.6 0.6 0.6
[6,] 0.8 0.8 0.8
[7,] 0.8 0.8 0.8
[8,] 0.8 0.8 0.8
[9,] 0.6 0.6 0.6
[10,] 0.4 0.4 0.4
[11,] 0.2 0.2 0.2
[12,] 0.0 0.0 0.0
[13,] 0.0 0.0 0.0
[14,] 0.2 0.2 0.2
[15,] 0.4 0.4 0.4
[16,] 0.6 0.6 0.6
[17,] 0.8 0.8 0.8
[18,] 0.8 0.8 0.8
[19,] 0.6 0.6 0.6
[20,] 0.4 0.4 0.4
[21,] 0.2 0.2 0.2
[22,] 0.2 0.2 0.2
[23,] 0.2 0.2 0.2
[24,] 0.4 0.4 0.4
[25,] 0.4 0.4 0.4
[26,] 0.4 0.4 0.4
[27,] 0.2 0.2 0.2
[28,] 0.4 0.4 0.4
> listResults
$A
[1] 0.4 0.6 0.6 0.6 0.6 0.8 0.8 0.8 0.6 0.4 0.2 0.0 0.0 0.2 0.4 0.6 0.8 0.8 0.6
[20] 0.4 0.2 0.2 0.2 0.4 0.4 0.4 0.2 0.4
$B
[1] 0.4 0.6 0.6 0.6 0.6 0.8 0.8 0.8 0.6 0.4 0.2 0.0 0.0 0.2 0.4 0.6 0.8 0.8 0.6
[20] 0.4 0.2 0.2 0.2 0.4 0.4 0.4 0.2 0.4
$C
[1] 0.4 0.6 0.6 0.6 0.6 0.8 0.8 0.8 0.6 0.4 0.2 0.0 0.0 0.2 0.4 0.6 0.8 0.8 0.6
[20] 0.4 0.2 0.2 0.2 0.4 0.4 0.4 0.2 0.4
> listResults2
$A
[1] 0.4 0.6 0.6 0.6 0.6 0.8 0.8 0.8 0.6 0.4 0.2 0.0 0.0 0.2 0.4 0.6 0.8 0.8 0.6
[20] 0.4 0.2 0.2 0.2 0.4 0.4 0.4 0.2 0.4
$B
[1] 0.4 0.6 0.6 0.6 0.6 0.8 0.8 0.8 0.6 0.4 0.2 0.0 0.0 0.2 0.4 0.6 0.8 0.8 0.6
[20] 0.4 0.2 0.2 0.2 0.4 0.4 0.4 0.2 0.4
$C
[1] 0.4 0.6 0.6 0.6 0.6 0.8 0.8 0.8 0.6 0.4 0.2 0.0 0.0 0.2 0.4 0.6 0.8 0.8 0.6
[20] 0.4 0.2 0.2 0.2 0.4 0.4 0.4 0.2 0.4