Question

我有一组CSV文件。每个CSV文件上都有一个唯一的ID，其他列如＆＃34; date＆＃34;，＆＃34; sulfate＆＃34;，＆＃34;硝酸盐＆＃34;。这是关于空气污染的数据。

该函数必须使用3个参数：＆＃34;目录＆＃34;，＆＃34;污染物＆＃34;，＆＃34; id＆＃34;。

这是原始数据格式（对于001.csv文件）：

Date        Sulfate    Nitrate    ID
2013-02-04  2.27       NA         1
2013-02-05  NA         1.15       1

到目前为止，这是我的功能：

pollutantmean <- function (directory, pollutant, id = 1:332){
  files_full <- list.files (directory, full.names = TRUE)
  dat <- data.frame ()
  for (i in id){
    dat <- rbind (dat, files_full[i])
  }
  datasub <- dat[,pollutant]
  }

1）当用户输入此内容时：污染物（＆＃34; specdata＆＃34;，＆＃34;硝酸盐＆＃34;，70：72）

他们应该得到（DESIRE OUTPUT）：
的 1.706

相反，我得到：

Error in `[.data.frame`(dat, , pollutant) : undefined columns selected 

 In addition: Warning messages:
1: In `[<-.factor`(`*tmp*`, ri, value = "specdata/071.csv") :
  invalid factor level, NA generated
2: In `[<-.factor`(`*tmp*`, ri, value = "specdata/072.csv") :
  invalid factor level, NA generated

这些错误意味着什么？

Answer 1

我发现您的代码存在两个问题

list.files只列出你的文件。它不会将文件读取到工作空间
在子设置data.frame时，您必须将列名称作为字符。例如：dat [，＆＃34; column_name＆＃34;]

我已经修改了这个功能，试试这个。

    pollutantmean <- function (directory, pollutant, id = 1:332){
      files_full <- list.files (directory, full.names = TRUE)
      dat <- data.frame()
      for (i in id){

        dat <- rbind (dat, read.table(files_full[i],sep="",.......))
      }
      datasub <- dat[,"pollutant"]

  }

更快的方法是使用data.table包。要在此警告您，您需要仅将列名称赋予子集data.table而不是字符。例如：dat [，column_name]

    pollutantmean <- function (directory, pollutant, id = 1:332){
      library(data.table)

      files_full <- list.files (directory, full.names = TRUE)
      dat_list <- list()
      for (i in id){

        dat_list[[i]] <- fread(files_full[i],sep="",.......)
      }
      dat <- rbindlist(dat_list)
      return(mean(dat[,pollutant]))

  }

R 3.1.0用于获取具有NA值的列的平均值的函数

1 个答案: