当您的列之一包含字符串时，您如何写入 data.frame？

Question

我的问题包含this answer 中的代码变体。

如下代码：

d <- data.frame()
for (i in 1:3) {d <- rbind(d,c(i+i, i*i, i/1))}
d
str(d)

生成以下输出：

  X2 X1 X1.1
1  2  1    1
2  4  4    2
3  6  9    3

'data.frame':   3 obs. of  3 variables:
 $ X2  : num  2 4 6
 $ X1  : num  1 4 9
 $ X1.1: num  1 2 3

但是这段代码：

d2 <- data.frame()
for (i in 1:3) {d2 <- rbind(d2,c(i+i, i*i, i/1, "foo"))}
d2
str(d2)

生成错误的输出：

   X.2. X.1. X.1..1 X.foo.
1    2    1      1    foo
2 <NA> <NA>   <NA>    foo
3 <NA> <NA>   <NA>    foo

'data.frame':   3 obs. of  4 variables:
 $ X.2.  : Factor w/ 1 level "2": 1 NA NA
 $ X.1.  : Factor w/ 1 level "1": 1 NA NA
 $ X.1..1: Factor w/ 1 level "1": 1 NA NA
 $ X.foo.: Factor w/ 1 level "foo": 1 1 1

它也会产生错误：

Warning messages:
1: In `[<-.factor`(`*tmp*`, ri, value = "4") :
  invalid factor level, NA generated
2: In `[<-.factor`(`*tmp*`, ri, value = "4") :
  invalid factor level, NA generated
3: In `[<-.factor`(`*tmp*`, ri, value = "2") :
  invalid factor level, NA generated
4: In `[<-.factor`(`*tmp*`, ri, value = "6") :
  invalid factor level, NA generated
5: In `[<-.factor`(`*tmp*`, ri, value = "9") :
  invalid factor level, NA generated
6: In `[<-.factor`(`*tmp*`, ri, value = "3") :
  invalid factor level, NA generated

我该如何解决这个问题？

Answer 1

不要使用for 循环逐行创建数据。相反，使用矢量化函数按列创建数据：

x <- 1:3
data.frame(a = x+x, b = x*x, c = x/1, d = "foo")
#  a b c   d
#1 2 1 1 foo
#2 4 4 2 foo
#3 6 9 3 foo

在这种情况下，d 列是一个长度为 1 的向量，它正在被回收以适应其他列的长度。

Answer 2

对代码的最小更改是将c 更改为data.frame：

d2 <- data.frame()
for (i in 1:3) {d2 <- rbind(d2, data.frame(i+i, i*i, i/1, "foo"))}
d2
str(d2)

但总的来说矢量化方法更好。

Answer 3

正如其他答案所提到的，在循环中使用连接是构建对象的一种不好的方法，因为它非常慢。

但是，要解释为什么您的代码不起作用，请考虑 c 在这里做了什么：它构造了一个向量。但是，R 中的向量是同质容器，这意味着它们只能包含单一数据类型。

在您的情况下，这会导致数字被强制转换为字符串。因此，在循环的第一次迭代中，结果将是：

c('2', '1', '1', 'foo')

接下来，这个向量将作为新行连接到您的 data.frame 中。但是，默认情况下，字符向量在data.frame 内转换为factors。因此第一次迭代后的结果是以下data.frame：

'data.frame':   1 obs. of  4 variables:
 $ X.2.  : Factor w/ 1 level "2": 1
 $ X.1.  : Factor w/ 1 level "1": 1
 $ X.1..1: Factor w/ 1 level "1": 1
 $ X.foo.: Factor w/ 1 level "foo": 1

请注意，所有列都是因子。并且都只有一个级别：2、1、1 和 foo。现在，当您在下一次循环迭代中连接另一行时，cbind 将新向量强制转换为已在d2 中找到的因子。对于'foo'，这是可行的。但对于其他数字，这不起作用，因为这些因素不包含必要的水平。因此，强制的结果是NA。