应用子集函数（或基于子集的自定义函数）

Question

我正在尝试找到一种方法来使用apply 函数和subset（或基于subset 的自定义函数）。我知道已经问过类似的问题，我的更具体一点。我需要根据多个变量对多个数据集的某些部分进行子集化。我有几种“类型”的数据帧结构，其中一种看起来类似于：

colour  shade   value
RED LIGHT   -1.05
RED LIGHT   -1.37
RED LIGHT   -0.32
RED LIGHT   0.87
RED LIGHT   -0.2
RED DARK    0.52
RED DARK    -0.2
RED DARK    0.64
RED DARK    1.12
RED DARK    4
BLUE    LIGHT   0.93
BLUE    LIGHT   0.78
BLUE    LIGHT   -1.84
BLUE    LIGHT   -0.5
BLUE    LIGHT   -1.11
BLUE    DARK    -4.86
BLUE    DARK    1.11
BLUE    DARK    0.14
BLUE    DARK    0.12
BLUE    DARK    -1.65
GREEN   LIGHT     3.13
GREEN   LIGHT   2.65
GREEN   LIGHT   -2.36
GREEN   LIGHT   -3.11
GREEN   LIGHT   3.49
GREEN   DARK    1.91
GREEN   DARK    -1.1
GREEN   DARK    -1.93
GREEN   DARK    1
GREEN   DARK    -0.23

我有很多。他们的名字存储在

list.dfs.names=df1,df2,df3

基于此我需要使用subset 或基于它的自定义函数：

customSubset=function(df,col,shade){subset(df,df$colour %in% col & df$shade %in% shade)}

我使用这样的自定义函数，因为正如我所说，我有几种类型的 df 结构，它可以加快我的工作速度。它的工作原理是这样的：

example=customSubset(df1,"BLUE","DARK")

输出是：

   colour shade value
11   BLUE LIGHT  0.93
12   BLUE LIGHT  0.78
13   BLUE LIGHT -1.84
14   BLUE LIGHT -0.50
15   BLUE LIGHT -1.11
16   BLUE  DARK -4.86
17   BLUE  DARK  1.11
18   BLUE  DARK  0.14
19   BLUE  DARK  0.12
20   BLUE  DARK -1.65

到目前为止，我一直在使用for 循环，但我想将我的方法更改为apply，这似乎更方便，尤其是在需要嵌套循环的情况下。所以我累了：

lapply(customSubset(list.dfs.names, "BLUE","DARK") )

和

lapply(list.dfs.names, customSubset("BLUE","DARK") )

没有成功。谁能帮我解决这个问题，我想我不清楚apply 循环是如何工作的。但是，我对for 方法非常熟悉，因此我们将不胜感激任何关于差异的额外解释。

如果无法使用customSubset，我可以使用常规的subset 或任何其他产生与上述example 相同结果的方法。

提前谢谢你

编辑：这是生成与我发布的示例类似的 df 的代码：

`data.frame("colour"=(c(rep("RED",10),rep("BLUE",10),rep("GREEN",10)))
           ,"shade"=c(rep(c(rep("LIGHT",5),rep("DARK",5)),3))
           , runif(30,min=0,max=1))`

EDIT2：根据要求，我正在编辑我的帖子以扩展我的year 问题。我的 dfs 来自不同的年份（每个年份有多个），例如：df.1.2012、df.2.2012、df.1.2011 等等。主要问题是我永远不需要在所有 dfs 中引用同一年（那样会很容易），而是我需要根据特定范围对数据进行子集化（例如：year+2 或year-1）。我曾经创建所需年份的列表（例如year+2，它将是list.year=c(2014,2014,2013)），它与我的dfs列表配对（它如何与for loop一起工作）。

我需要为apply 方法找到类似的方法。这是一个例子：

set.seed(200)

 df_2014=data.frame(colour=(c(rep("RED",10),rep("BLUE",10),rep("GREEN",10)))
           ,shade=c(rep(c(rep("LIGHT",5),rep("DARK",5)),3))
           ,year=c(rep(2011:2015,6))
           ,value=runif(30,min=0,max=1))

 df_2013=data.frame(colour=(c(rep("RED",10),rep("BLUE",10),rep("GREEN",10)))
           ,shade=c(rep(c(rep("LIGHT",5),rep("DARK",5)),3))
           ,year=c(rep(2011:2015,6))
           ,value=runif(30,min=0,max=1))
horizon=+1

subset(df_2014, df_2014$colour %in% "BLUE" & df_2014$shade %in% "DARK" & df_2014$year %in% c(2014+horizon))
subset(df_2013, df_2013$colour %in% "BLUE" & df_2013$shade %in% "DARK" & df_2013$year %in% c(2013+horizon))

所以我添加了带有年份的列，并将其命名为year，并在年份之后命名为 dfs（所以year+1 将在这里2014+1）。地平线是不言自明的。结果是：

#df_2014
      colour shade year   value
 20   BLUE  DARK 2015 0.6463296

#df_2013

   colour shade year     value
20   BLUE  DARK 2015 0.6532767

我需要使用apply 函数来列出数据帧（在此编辑中list.df=list(df_2014,df_2013) 与前面的示例一样，但这次添加子集条件year+horizon（并且可能将所有结果放在一个df 中，但这不是这里的主要问题）。

结论：当您在year+horizon 的这一部分中查看我的subset 函数时，year 必须根据循环中引用的 df(from list) 进行更改（而horizon 是恒定的） .

如果您无法理解我的意思，请告诉我，我试图非常具体。

Answer 1

问题似乎是构造

subset(df,df$colour %in% col & df$shade %in% shade)

您正在使用subset，它在其第一个参数df 的环境中评估逻辑表达式，然后执行df$shade %in% shade。这等效于shade %in% shade，因为df 是第一个参数。你应该重写函数如下，使用不同的名字就可以了。

customSubset <- function(DF, COL, SHADE){
    subset(DF, colour %in% COL & shade %in% SHADE)
}

现在一切正常。

set.seed(5601)    # make the results reproducible

df1 <- data.frame(colour = sample(c("RED", "GREEN", "BLUE"), 30, TRUE),
                  shade = sample(c("LIGHT", "DARK"), 30, TRUE),
                  value = rnorm(30, sd = 9))
df2 <- data.frame(colour = c(rep("RED",10), rep("BLUE",10), rep("GREEN",10))
           ,shade=c(rep(c(rep("LIGHT",5),rep("DARK",5)), 3))
           , value = runif(30,min=0,max=1))

list.dfs <- list(df1, df2)

customSubset(df1,"BLUE","DARK")
#   colour shade      value
#5    BLUE  DARK   4.288107
#6    BLUE  DARK   2.860724
#8    BLUE  DARK -10.720379
#10   BLUE  DARK -15.407090
#14   BLUE  DARK  -2.259848
#30   BLUE  DARK -18.364494

# apply the function to all df's in the list
# both forms are equivalent
lapply(list.dfs, function(x) customSubset(x, "BLUE", "DARK"))
lapply(list.dfs, customSubset, "BLUE", "DARK")