Question

我有一个包含57列和122行的数据框。对于每一列，我想计算两件事：

1）小于-1的值的数量

（2）小于-1的时间值连续出现三次或更多次。对于例如如果数据是：

dat<-c(1,-1,-1.3,-1.2,-1,0.5,3.2,2.2,-1,-1,0,-4,-3,-2,-1,2)

对于问题的第（1）部分，我这样做了：

bd<-sum(dat< -1)
>5

对于第（2）部分，它很复杂：

tmpdat<-data.frame(values=dat, tmp_vals=dat)
tmpdat$tmp_vals[tmpdat$values<(-1)]<-"lower"
bds<-data.frame(Values=rle(tmpdat$tmp_vals)$values,Sequential=rle(tmpdat$tmp_vals)$lengths)
sum(bds$Sequential >= 3 & bds$Values == "lower")
>1

我想创建一个循环来为我的数据框的每一列执行此操作。这就是（1）的循环：

for (i in 1:ncol(d.f)){
        d.f[i]<-sum(d.f.[i]< -1)

}

我想在第二部分的循环中创建，但不知道该怎么做。谢谢你的帮助。

Answer 1

对于第一个问题，使用colSums可能更容易。我们得到一个逻辑矩阵，其df1 < -1和sum矩阵中的TRUE值为colSums

 colSums(df1< -1, na.rm=TRUE)

如果有一些缺失值（na.rm=TRUE），

NA可以用作可选参数。

我们可以循环（vapply）通过数据集的列（'df1'）并应用rle（修改自@David Arenburg的评论）

  vapply(df1, function(x) 
          sum(with(rle(x < -1), lengths[values]) > 2), numeric(1))

对于循环列，我们也可以使用lapply/sapply。在这里，我使用vapply，因为它可能更快一点，也更安全（如果有非数字元素，它应该给出错误）。在每列中，我们得到rle x <-1即TRUE, FALSE个运行长度，并将lengths的子集与TRUE值（lengths[values]）对应，检查是否为大于2（>2）并获得sum。

循环遍历数据帧

1 个答案: