Question

我是R的新手，我正在练习编写R函数。我有100个cvs分开存储在我的目录中的数据文件，每个数据文件都用其id标记，例如“1”到“100。我喜欢编写一个函数，将一些选定的文件读入R，计算出每个数据文件中的完整案例数，并将结果排列到数据框中。以下是我写的功能。首先，我读取“dat”中的所有文件。然后，使用 rbind函数，我将我想要的所选文件读入data.frame。最后，我计算了使用sum（complete.cases（））的完整案例数。这似乎很简单但是该功能不起作用。我怀疑索引有问题但是还没弄明白为什么。通过各种主题搜索但找不到有用的回答。非常感谢！

 `complete = function(directory,id) {
  dat = list.files(directory, full.name=T)
  dat.em = data.frame()
  for (i in id) {
    dat.ful= rbind(dat.em, read.csv(dat[i]))
    obs = numeric()
    obs[i] = sum(complete.cases(dat.ful[dat.ful$ID == i,]))
  }
  data.frame(ID = id, count = obs)
} 
complete("envi",c(1,3,5)) `

获取错误和警告消息： data.frame中的错误（ID = id，count = obs）：参数意味着行数不同：3,5

Answer 1

您的代码存在的一个问题是，每次循环时都会将obs重置为numeric()，因此obs最终只有一个值（完整案例的数量） dat中的最后一个文件。

另一个问题是，行dat.ful = rbind(dat.em, read.csv(dat[i]))重置dat.ful以仅包含循环迭代中正在读取的数据帧。这不会导致错误，但实际上您不需要存储以前的数据帧，因为您只是检查您读入的每个数据帧的完整个案数。

这是使用lapply而不是循环的不同方法。请注意，此函数不是为函数提供索引向量，而是采用文件名向量。在您的示例中，您使用索引而不是文件名作为文件“id”。最好直接使用文件名，因为即使文件名是数字，如果由于某种原因，您的文件名向量没有按升序数字顺序排序，或者文件名如此，则使用索引会得到错误的结果不要使用连续的数字。

# Read files and return data frame with the number of complete cases in each csv file
complete = function(directory, files) {

  # Read each csv file in turn and store its name and number of complete cases 
  # in a list
  obs.list = lapply(files, function(x) {
    dat = read.csv(paste0(directory,"/", x))
    data.frame(fileName=x, count=sum(complete.cases(dat)))
  })

  # Return a data frame with the number of complete cases for each file
  return(do.call(rbind, obs.list)) 
}

然后，要运行该功能，您需要为其提供目录和文件名列表。例如，要读取当前工作目录中的所有csv文件，可以执行以下操作：

  filesToRead = list.files(pattern=".csv")

  complete(getwd(), filesToRead)

R表示循环索引问题

1 个答案: