Question

我必须编写一个函数来读取一个充满文件的目录，并报告每个数据文件中完全观察到的案例的数量（每个可观察实例中没有NA值）。该函数应返回一个数据框，其中第一列是文件的名称，第二列是数字完整的案例。请参阅下面的草稿，希望评论有所帮助！

complete <- function (directory, id = 1:332){
  nobs = numeric() #currently blank
    # nobs is the number of complete cases in each file
  data = data.frame() #currently blank dataframe
  for (i in id){
    #get the right filepath
    newread = read.csv(paste(directory,"/",formatC(i,width=3,flag="0"),".csv",sep=""))
    my_na <- is.na(newread) #let my_na be the logic vector of true and false na values 
    nobs = sum(!my_na) #sum up all the not na values (1 is not na, 0 is na, due to inversion). 
    #this returns # of true values
    #add on to the existing dataframe
    data = c(data, i, nobs, row.names=i)
  }
  data # return the updated data frame for the specified id range
}

示例运行complete("specdata",1)的输出是

[[1]]
[1] 1

[[2]]
[1] 3161

$row.names
[1] 1

我不确定为什么它不以常规数据帧格式显示。我也很确定我的数字也不正确。我的工作假设是在每个第i个实例中，newread将读取该文件中的所有数据，然后继续my_na。这是错误的来源吗？或者是别的什么？请解释。谢谢！

Answer 1

您应该考虑向向量添加值的其他方法。该功能目前正在覆盖整个地方。你询问id = 1时，当你向函数提供多个id时会更糟。它只会返回最后一个。这就是原因：

#Simple function that takes ids and adds 2 to them
myFun <- function(id) {

  nobs = c()

  for(i in id) {

    nobs = 2 + i
  }

  return(nobs)
}

myFun(c(2,3,4))
[1] 6

我告诉它每个id返回值加2，但它只给了我最后一个。我应该这样写：

myFun2 <- function(id) {

  nobs = c()

  for(i in 1:length(id)) {

    nobs[i] <- 2 + id[i]
  }

  return(nobs)
}

myFun2(c(2,3,4))
[1] 4 5 6

现在它提供了正确的输出。有什么不同？首先，nobs对象不再被覆盖，它会被追加。请注意for循环标题中的子集括号和新计数器。

同样构建对象并不是使用R的最佳方法。它的构建是为了用更少的东西做更多的事情：

complete <- function(directory, id=1:332) {
  nobs <- sapply(id, function(i) {
    sum(complete.cases(read.csv(list.files(path=directory, full.names=TRUE)[i]) )) } )
  data.frame(id, nobs)
}

如果您想修改代码，请尝试以下操作：

complete <- function (directory, id = 1:332){
  nobs = numeric(length(id)) #currently blank
    # nobs is the number of complete cases in each file
  for (i in 1:length(id)) {
    #get the right filepath
    newread = read.csv(paste(directory,"/",formatC( id[i] ,width=3,flag="0"),".csv",sep=""))
    my_na <- is.na(newread) #let my_na be the logic vector of true and false na values 
    nobs[i] = sum(!my_na) #sum up all the not na values (1 is not na, 0 is na, due to inversion). 
    #this returns # of true values
  }
  data.frame(id, nobs) # return the updated data frame for the specified id range
}

Answer 2

由于我不知道您所指的数据，并且由于没有给出样本，我可以将其作为您的功能的编辑 -

complete <- function (directory, id = 1:332){
  data = data.frame()
  for (i in id){
    newread = read.csv(paste(directory,"/",formatC(i,width=3,flag="0"),".csv",sep=""))
    newread = newread[complete.cases(newread),]
    nobs = nrow(newread)
    data[nrow(data)+1,] = c(i,nobs)
  }
  names(data) <- c("Name","NotNA")
  return(data)
}

如何在r中以正确的格式输出数据帧？

2 个答案: