Question

超短版：我正在尝试使用用户定义的函数使用以下命令填充数据框中的新列：

TestDF$ELN<-EmployeeLocationNumber(TestDF$Location)

但是，当我运行命令时，它似乎只是将EmployeeLocationNumber应用于第一行的Location值，而不是使用每一行的值来单独确定该行的新列值。

请注意：我正在尝试理解R，而不仅仅是执行此特定任务。我实际上能够使用Apply（）函数获取我正在寻找的输出，但这无关紧要。我的理解是上面的行应该逐行进行，但事实并非如此。

以下是测试的具体内容：

TestDF<-data.frame(Employee=c(1,1,1,1,2,2,3,3,3), 
                   Month=c(1,5,6,11,4,10,1,5,10), 
                   Location=c(1,5,6,7,10,3,4,2,8))

此testDF会跟踪多个地点的3名员工在一年中的每个位置。

（您可以将“位置”视为每个员工的唯一ID ...它实际上是该行的唯一ID。）

EmployeeLocationNumber函数获取一个位置并输出一个数字，表示员工访问该位置的顺序。例如EmployeeLocationNumber(8) = 2，因为它是访问它的员工访问的第二个位置。

EmployeeLocationNumber <- function(Site){
  CurrentEmployee <- subset(TestDF,Location==Site,select=Employee, drop = TRUE)[[1]]
  LocationDate<- subset(TestDF,Location==Site,select=Month, drop = TRUE)[[1]]
  LocationNumber <- length(subset(TestDF,Employee==CurrentEmployee & Month<=LocationDate,select=Month)[[1]])
  return(LocationNumber)
}

我意识到我可能已将所有这些打包到一个子集命令中，但我不知道在其他子集命令中使用子集命令时引用是如何工作的。

所以，请记住，我真的想要了解如何在R中工作，我有几个问题：

为什么TestDF$ELN<-EmployeeLocationNumber(TestDF$Location)不会像其他作业语句一样逐行工作？
是否有更简单的方法根据另一个值的值引用数据框中的特定值？也许一个不返回数据框/列表然后必须展平并从中提取？
我确定我正在使用的功能是可笑的非R-like ...我应该做些什么来基本上模拟INNER Join类型查询？

Answer 1

A）TestDF$Location是一个向量。你的函数没有设置为返回一个向量，所以给它一个向量可能会失败。

B）在什么意义上是位置：8“访问过的第二个位置”？

C）如果你想要在团体订购中，那么你需要将员工分成的数据框传递给计算结果的函数。

D）data.frame的条件访问通常涉及逻辑索引和/或使用（）

如果您只想要员工的访问顺序，请尝试以下方法：（将第一个参数更改为Month，因为这决定了位置的顺序）

 with(TestDF, ave(Location, Employee, FUN=seq))
[1] 1 2 3 4 2 1 2 1 3
 TestDF$LocOrder <-  with(TestDF, ave(Month, Employee, FUN=seq))

如果你想要EE：3的第二个位置，那就是：

subset(TestDF, LocOrder==2 & Employee==3, select= Location)
#   Location
# 8        2

Answer 2

使用逻辑索引，您的函数的简化单行替换是：

EmployeeLocationNumber <- function(Site){
    with(TestDF[do.call(order, TestDF), ], which(Location[Employee==Employee[which(Location==Site)]] == Site))
}

当然这不是最易读的方式，但它在R中演示了逻辑索引和which()的原则。然后，就像其他人所说的那样，只需用向量化的* ply函数进行包装即可这在您的数据集中。

Answer 3

您的EmployeeLocationNumber函数接受一个向量并返回单个值。因此，创建新data.frame列的分配只获得一个值：

EmployeeLocationNumber(TestDF$Location) # returns 1

TestDF$ELN<-1 # Creates a new column with the single value 1 everywhere

作业没有做那样的魔术。它需要一个值并把它放在某个地方。在这种情况下，值1。如果值是一个与行数相同长度的向量，它将按您的意愿工作。
我会回复你：）
DITO。

更新：我终于制定了一些代码来实现它，但到那时@DWin有一个更好的解决方案：（

TestDF$ELN <- unlist(lapply(split(TestDF, TestDF$Employee), function(x) rank(x$Month)))

...我想ave函数的功能与上面的代码完全相同。但是为了记录：

首先我split将data.frame分成子框架，每个员工一个。然后我rank几个月（以防万一你的月份不合适）。您也可以使用order，但rank可以更好地处理关系。最后，我将所有结果合并到一个向量中，并将其放入新列ELN。

再次更新关于问题2，“在数据框中引用值的最佳方法是什么？”：

这取决于具体问题，但是如果你有一个值，比如Employee=3并且想要找到data.frame中与之匹配的所有行，那么只需：

TestDF$Employee == 3 # Returns logical vector with TRUE for all rows with Employee == 3
which(TestDF$Employee == 3) # Returns a vector of indices instead
TestDF[which(TestDF$Employee == 3), ] # Subsets the data.frame on Employee == 3

Answer 4

R（也称为逐行）的向量化特性不是通过使用参数的每个下一个值重复调用函数，而是通过一次传递整个向量并一次对所有向量进行操作。但是在EmployeeLocationNumber中，您只返回一个值，因此该值会重复整个数据集。

另外，EmployeeLocationNumber的示例与您的描述不符。

> EmployeeLocationNumber(8)
[1] 3

现在，以您正在思考的方式（对每个值重复调用）对函数进行矢量化的一种方法是将其传递给Vectorize()

TestDF$ELN<-Vectorize(EmployeeLocationNumber)(TestDF$Location)

给出了

> TestDF
  Employee Month Location ELN
1        1     1        1   1
2        1     5        5   2
3        1     6        6   3
4        1    11        7   4
5        2     4       10   1
6        2    10        3   2
7        3     1        4   1
8        3     5        2   2
9        3    10        8   3

关于你的其他问题，我只想把它写成

TestDF$ELN<-ave(TestDF$Month, TestDF$Employee, FUN=rank)

逻辑是花几个月的时间，分别按雇员的数量查看几个月的小组，并给我几个月的排名顺序（它们按顺序排列）。

尝试使用用户定义的函数填充数据框中的新列。出了什么问题？

4 个答案: