Question

所以我有一个数据框“ fish8”，我尝试编写一个函数，该函数排除该数据框的三个列（BIN，收集器，国家/地区）的所有空行。问题是代码不是在函数内部运行，而是在函数外部运行。我在脚本中还有许多其他类似的功能，它们可以正常工作，为什么这个不能正常工作？

#so it doesn't work when I run it like this
remove_empties=function(fish8){
  fish8<<-fish8[!(fish8$BIN == "" | is.na(fish8$BIN)), ]
  fish8<<-fish8[!(fish8$collectors == "" | is.na(fish8$collectors)), ]
  fish8<<-fish8[!(fish8$country == "" | is.na(fish8$country)), ]
}
remove_empties(fish8)

#but it runs like this
fish8<-fish8[!(fish8$BIN == "" | is.na(fish8$BIN)), ]
fish8<-fish8[!(fish8$collectors == "" | is.na(fish8$collectors)), ]
fish8<-fish8[!(fish8$country == "" | is.na(fish8$country)), ]

Answer 1

问题与变量的范围有关。在这种情况下，将在函数范围内分配函数的变量fish8。原始的fish8不会被触碰。参见https://www.r-bloggers.com/dont-run-afoul-of-scoping-rules-in-r/：

<<-发生的事情是，它开始从子级到父级向上走到环境树，直到找到匹配项，或者最终到达全局（顶部）环境。这是启动树遍历的一种方法（例如自动搜索），但会带来可怕的后果，因为您要在当前范围之外进行分配！无论它是在全球环境中，只有找到的第一个匹配项都将被更改。

您的选择包括：

删除双重分配，并将函数结果重新分配给原始数据框

remove_empties = function(fish8) {
  fish8 <- fish8[!(fish8$x == '' | is.na(fish8$x)), ]
  fish8 <- fish8[!(fish8$y == '' | is.na(fish8$y)), ]
}

fish8 <- remove_empties(fish8)

在函数中使用不同的变量，比在两个不同的环境中使用相同的变量名更好的做法。

remove_empties2 = function(fish) {
  fish <- fish[!(fish$x == '' | is.na(fish$x)), ]
  fish <- fish[!(fish$y == '' | is.na(fish$y)), ]
}

fish8 <- remove_empties2(fish8)

在函数中更改变量名称，但全局分配原始变量。我不喜欢这条路线：

remove_empties3 = function(fish) {
  fish8 <<- fish[!(fish$x == '' | is.na(fish$x))
                 & !(fish$y == '' | is.na(fish$y)), ]
}

remove_empties3(fish8)

我最喜欢的选项：将空字符串重新分配为NA，然后使用na.omit()。我也放弃了函数调用-这比函数调用最多多了一行，并且只应该执行一次，因为不应重新引入空字符串：

fish8[fish8==''] <- NA_character_
fish8 <- na.omit(fish8)

数据：

set.seed(1)
x <- sample(c('',NA_character_, letters[1:5]), 20, replace = T)
y <- sample(c('', NA_character_, letters[6:10]), 20, replace = T)

fish8 <- data.frame(x, y)

为什么我的代码不能在我创建的函数中工作，而在全局环境中运行时却可以工作？

1 个答案: