【问题标题】:R - Apply function on multiple data framesR - 在多个数据帧上应用函数
【发布时间】:2021-03-09 17:34:33
【问题描述】:

我在 R 中加载了几个数据表作为数据框:

temp = list.files(pattern="*.csv")
for (i in 1:length(temp)) assign(temp[i], read.csv(temp[i]))

现在我想对所有数据框应用一个函数。 我想到了类似的东西:

kappa1_mean_h_stem <- lapply(df.list, mean_h_stem)

其中df.list 包含所有数据帧的列表。

    mean_h_stem <- function(x) {
  mean(x[1,3])
}

我希望函数返回特定列的平均值。但它告诉我,我的维度数错误。

【问题讨论】:

  • 您希望kappa1_mean_h_stem 包含所有数据帧的单一平均值,还是每个数据帧一个平均值?

标签: r function apply dimensions


【解决方案1】:

您的错误原因是我认为您传递了x[1,3],它只会从第三列的第一行获取值。我假设您想计算所有 data.frames 中同一列的平均值,因此我对您的函数进行了轻微修改,以便您可以传递数据以及列的名称或位置:

mean_h_stem <- function(dat, col){ mean(dat[,col], na.rm=T)}

可以使用整数选择列:

lapply(df.list, mean_h_stem, 2)

或列名,以字符串表示:

lapply(df.list, mean_h_stem, 'col_name')

像这样传递第二个参数可能感觉有点不直观,所以你可以用更清晰的方式来做:

lapply(df.list, function(x) mean_h_stem(dat = x, col ='col_name'))

这仅适用于每个问题的单个列,但您可以轻松修改它以执行多个。

顺便说一句,要读取 csv 文件,您还可以使用 lapply 和 read.csv:

temp <- list.files(pattern='*.csv')
df.list <- lapply(temp, read.csv)

【讨论】:

  • 首先:非常感谢!现在它按照我试图实现的方式工作:]数据框的顺序是否可能与文件夹中的顺序不同?因为它们与我目录中的不同。编辑:好的,它们的顺序不同,但这很好。只是数字稍微四舍五入。我可以添加一些东西来防止这种情况并获得所有小数点的实际数字吗? :]
  • @Shugojin - 如果 A. Fowler 的回答解决了您的问题,请点击旁边的复选标记接受他的回答。接受解决问题的答案是一种很好的礼仪,一旦你有足够的声誉,也可以为有用的答案投票。 A.Fowler - 不错的答案,赞成。
  • @Shugojin - 要对舍入问题进行排序,您可以将 mean() 包装在 round() 中,例如round(mean(dat[,cols], na.rm=T),1) 会将值四舍五入到小数点后 1 位。谢谢@LenGreski
【解决方案2】:

问题的一个不清楚的部分是是否应该在跨所有数据帧提取列之后计算给定列的平均值,还是每个数据帧计算一次。

另一个答案中描述的技术将返回每个文件计算一次的平均值列表。如果问题的目的是在所有数据帧中提取一列,然后计算平均值,我们需要先提取unlist() 结果,并将其用作mean() 的输入。

我们用我在 Github 上维护的 Pokémon stats 数据来说明这一点。

download.file("https://raw.githubusercontent.com/lgreski/pokemonData/master/PokemonData.zip",
              "pokemonData.zip",
              method="curl",mode="wb")
unzip("pokemonData.zip",exdir="./pokemonData")

thePokemonFiles <- list.files("./pokemonData",pattern="*.csv",
                              full.names=TRUE)
dataList <- lapply(thePokemonFiles,read.csv) 

此时dataList 是一个包含 8 个数据帧的列表,每个数据帧都包含一代神奇宝贝的统计数据,我们可以使用 RStudio 环境查看器对其进行检查。

如果我们想逐代查找Attack stat的mean(),可以使用lapply(),如下所示。

lapply(dataList,function(x,y) mean(x[[y]]),"Attack")

这里我们使用带有两个参数的匿名函数x和y,其中x代表dataList中的数据框,y代表Attack中的列。

这会返回一个包含 8 个方法的列表。

> lapply(dataList,function(x,y) mean(x[[y]]),"Attack")
[[1]]
[1] 72.91391

[[2]]
[1] 68.26

[[3]]
[1] 73.93617

[[4]]
[1] 79.99138

[[5]]
[1] 82.44242

[[6]]
[1] 94.92366

[[7]]
[1] 86.5082

[[8]]
[1] 83.66387

如果想要的结果是所有 8 个数据帧中 Attack 的单一平均值怎么办?

在这种情况下,我们可以使用lapply() 提取所需的列,使用unlist() 的结果创建一个数字向量,并将其作为参数传递给mean()。

鉴于 R 可以嵌套函数,我们可以在一行代码中完成。

mean(unlist(lapply(dataList,function(x,y) x[,y],"Attack")))

...和输出:

> mean(unlist(lapply(dataList,function(x,y) x[,y],"Attack")))
[1] 80.46699

增强结果

鉴于问题和答案中的一些 cmets,我想我会说明我们如何生成比数字列表更容易使用的结果。

如果我们在创建初始列表时为每个数据框分配一个名称,那么我们可以使用这些名称来驱动后续处理,包括输出数据框中的名称信息。

# assign names to dataList
df_names <- paste0("gen_",sprintf("%02d",1:8))
names(dataList) <- df_names

分配名称后,我们可以使用df_names 向量通过匿名函数驱动lapply()。

resultList <- lapply(df_names,function(x,y) {
     df <- dataList[[x]] # use [[ to return a data frame vs. list()
     theMean <- mean(df[,y],na.rm=TRUE) # use [,] extract for variable substitution
     result_df <- data.frame(x,theMean)
     names(result_df) <- c("dataFrame",paste0("mean_",y))
     result_df 
 },"Attack")

此时,resultList 是一个包含 8 个数据帧的列表,每个数据帧包含一个观察值。我们使用do.call() 和rbind() 的组合将数据帧组合成单个输出数据帧。

# combine into single dataframe
do.call(rbind,resultList)

生成的数据框允许我们查看每个输入数据框的均值。

> do.call(rbind,resultList)
  dataFrame mean_Attack
1    gen_01    72.91391
2    gen_02    68.26000
3    gen_03    73.93617
4    gen_04    79.99138
5    gen_05    82.44242
6    gen_06    94.92366
7    gen_07    86.50820
8    gen_08    83.66387

注意:我根据我对内容的了解生成了数据框名称列表。也可以使用list.files() 和full.names = FALSE 来生成名称。

【讨论】:

  • 一个很好的反问。我应该在我的帖子中提到它。尽管我确实希望每个数据帧的所有方法都分开,但很高兴知道如何实现它以获得整体平均值^^而且我真的很喜欢你的 Pokémon-Data-Samples ;]
  • @Shugojin - 感谢您的反馈。根据您相对于其他答案提出的问题,我发布了一些额外的代码来说明如何将名称分配给每个数据帧与匿名函数和lapply() 结合起来,将数据源标签添加到均值的输出向量中,将结果转换为数据框。
  • 感谢您提供更多信息。真的很有帮助!但是如何添加从特定行或列中选择数据的条件?喜欢让值的平均值低于特定阈值?
  • Nvm,我想我构建了一个函数来过滤我想要的列中的特定值。它不漂亮 - 也不会赢得奖品 - 但我猜它有效!
猜你喜欢
  • 1970-01-01
  • 1970-01-01
  • 2015-02-13
  • 1970-01-01
  • 1970-01-01
  • 2013-10-15
  • 1970-01-01
  • 1970-01-01
  • 2017-07-11
相关资源
最近更新 更多