Question

我有一个名为“行程”的数据集，其中包含900,000条记录，显示行程。我有一列“ ID”，其中显示了个人的人ID。但是，这就是重点。一个人可能有1次旅行，因此该ID只有一条记录，但另一个人可能有7条旅行，因此有7行（具有相同的ID）。然后，我有一列称为“运输模式”，其值可以为1（对于汽车），2（对于公共交通），3（对于步行）和4（对于自行车），显示不同的运输选项。这是我的变量：

ID：c（30001、30002、30002、30002、30002、30002、30002、30002）

然后，我有一个名为Transport_mode的列，与该ID（行程）有关

Transport_mode：c（1、2、4、3、2、1、2、1）

因此，我创建了一个名为“ public_fr”的空变量，以显示公共交通出行的频率。我想编写一个for循环，该循环计算任何ID的公共传输模式的数量。因此，我尝试了以下方法：

for (i in 1:nrow(trip))
   {for (j in 1:nrow(trip$ID))
     {if (as.character(trip$Transport_mode[j] == 2)) (trip$public_fr[j] <- trip$public_fr[j] + 1)}

这段代码应该给我：

public_fr：c（0，3）

0：因为ID = 30001没有公共交通旅行（请参阅运输方式1），而3：因为ID = 30002没有3次公共交通旅行（因为有3个2s），但是它不起作用。它给出以下错误：

1：nrow（trip $ ID）错误：参数长度为0

您能帮我吗？如果有类似的问题答案，请带上链接。谢谢。

Answer 1

您可以使用aggregate在基数R中执行此操作。

aggregate(trip$Transport_mode == 2, list(trip$ID), sum)$x
[1] 0 3

Answer 2

如果结尾处的注释中的代码给出了trip，那么这将给出ID与模式计数的表格：

table(trip)

给予：

       Transport_mode
ID      1 2 3 4
  30001 1 0 0 0
  30002 1 3 1 1

注意

trip <- data.frame(
  ID = c(30001, 30002, 30002, 30002, 30002, 30002, 30002),
  Transport_mode = c(1, 2, 4, 3, 2, 1, 2))

Answer 3

您的错误是因为trip$ID只是一个向量，并且向量没有行。 nrow(trip$ID)将给出NULL，而1:NULL将给出您看到的错误。

更一般而言，for循环是执行此操作的不好方法。例如，有许多好的方法可以按数据帧base::aggregate或dplyr和data.table包“按组”进行操作。这是您的代码的dplyr版本：

library(dplyr)
trip %>%
  group_by(ID) %>%
  summarize(public_fr = sum(Transport_mode == 2))

通常，sum(condition)是一种计算满足条件次数的好方法，例如sum(Transport_mode == 2)。

如果您真的要使用for循环（您不应该-很难写，也要慢得多），则应该循环使用唯一的ID值，而不是在每一行上：

uid = unique(trip$ID)
public_fr = integer(length(uid))
for(i in 1:length(uid)) {
  public_fr[i] = sum(trip[trip$ID == uid[i], "Transport_mode"] == 2)
}

上面的循环查看每个唯一的ID，提取与该ID对应的Transport_mode值，并使用sum技巧来计数2s。但是在R中，这是一个不好的方法。 aggregate，dplyr或data.table更好。

如何用nrow编写for in for循环？

3 个答案:

注意