Question

我首先建立一个空的数据框：

results <- data.frame(ID=numeric(0), StartDate=numeric(0), term_type=character(0), EndDate=numeric(0), stringsAsFactors = FALSE)

然后我有一个唯一的ID号列表： uniqueIds <-c（1234，4566，7838）

我有一个函数getDataForGivenId，它会产生以下格式的数据帧：

ID, StartDate, term_type, EndDate

我需要代码为每个ID调用函数getDataForGivenId并将结果数据帧附加到空数据帧results。

我尝试过：

library(dplyr)

results <- bind_rows(results, (lapply(uniqueIds, getDataForGivenId)))

和

do.call("rbind", lapply(uniqueIds, getDataForGivenId))

和

for (Id in uniqueIds) {
    Y <- getDataForGivenId(Id)
    results <- rbind(results, Y) 
}

每次我最终都会得到一个空的results数据框。

请注意，如果我不做任何事情，而只是执行代码：

Y <- getDataForGivenId(1234)
results <- rbind(results, Y)

我得到了期望的输出。

有人知道我在做什么错吗？

编辑-我的完整脚本在下面。

library(dplyr)
library(lubridate)

enVariables <- Sys.getenv()
username    <- enVariables[["DB_USERNAME"]]
password    <- enVariables[["DB_PASSWORD"]]

results <- data.frame(ID=numeric(0), StartDate=numeric(0), term_type=character(0), EndDate=numeric(0), stringsAsFactors = FALSE)

getConnection <- function(){
  require(RMySQL)
  username <- username
  password <- password 
  con <- dbConnect(
    MySQL(), user=username, password=password, 
    dbname='database', host='host', port=port
  )
  return(con)
}

queryuniqueIds <- "SELECT DISTINCT(id) FROM table LIMIT 5"
con                <- getConnection()
uniqueIds      <- dbGetQuery(con, queryuniqueIds)
dbDisconnect(con)

getDataForGivenID <- function(idNumber) {
  queryData <- paste0(
    "SELECT ",
    "Id, bill_date, bill_hour ",
    "FROM table ",
    "WHERE id = ", idNumber
  ) 
  con <- getConnection()
  Data <- dbGetQuery(con, queryData)
  dbDisconnect(con)
  X <- Data %>% 
    select(ID, bill_date, bill_hour) %>%
    mutate(
      bill_date_x = ymd_hms(bill_date)
    ) %>% 
    arrange(ID, bill_date, bill_hour)
  hour(X$bill_date_x) <- X$bill_hour
  X <- X %>% 
    mutate(
      lag_x     = lag(bill_date_x, 1),
      lag_diff  = difftime(bill_date_x,lag_x, units = "hours") %>% as.integer(),
      lead_x    = lead(bill_date_x, 1),
      lead_diff = difftime(lead_x, bill_date_x, units = "hours") %>% as.integer()
    )
  Y <- X %>% 
    filter(
      is.na(lag_diff) | 
        is.na(lead_diff) | 
        !(lag_diff == 1 & lead_diff == 1),

      is.na(lag_diff) | 
        is.na(lead_diff) | 
        !(lag_diff == 0 | lead_diff == 0)
    ) %>% 
    mutate(
      term_type = "N",
      term_type = replace(term_type, lead_diff == 1, "S"),
      term_type = replace(term_type, lag_diff  == 1, "E")
    )
  Y <- Y %>%
    select(ID, bill_date_x, term_type) %>% 
    mutate(
      lead_date = lead(bill_date_x, 1)
    )  %>% 
    filter(term_type == "S")
  colnames(Y) <- c("ID", "StartDate", "term_type", "EndDate")
  return(Y)
}

do.call("rbind", lapply(uniqueIds, getDataForGivenID))
View(results)

Answer 1

我终于弄清楚了我的问题。

列表uniqueIds的长度为1。R一次传入整个列表，导致SQL语句仅返回第一个id的数据。

我改变了

uniqueIds <- dbGetQuery(con, queryuniqueIds)

到

uniqueIds <- as.data.frame(dbGetQuery(con, queryuniqueIds))

和

do.call("rbind", lapply(uniqueIds, getDataForGivenId))

到

results <- do.call("rbind", lapply(uniqueIds$id, getDataForGivenId))

现在一切正常。谢谢那些提供帮助的人。

R-无法在lapply函数中绑定

1 个答案: