R - 使用 for 循环修改数据框中的列（并使用因子级别）

Question

我正在尝试将日期因子转换为可由 for 循环引用的字符向量。 for 循环应将数据框的“Day”列（例如，如下所示）中的 NA 值替换为与日期对应的值。

     Date    Time Axis1 Day Sum.A1.Daily
1 6/12/10 5:00:00    20  NA           NA
2 6/12/10 5:01:00    40  NA           NA
3 6/13/10 5:02:00    50  NA           NA
4 6/13/10 5:03:00    10  NA           NA
5 6/14/10 5:04:00    20  NA           NA
6 6/14/10 5:05:00    30  NA           NA

我需要把它改成这样：

     Date    Time Axis1 Day Sum.A1.Daily
1 6/12/10 5:00:00    20   1           60
2 6/12/10 5:01:00    40   1           60
3 6/13/10 5:02:00    50   2           80
4 6/13/10 5:03:00    30   2           80
5 6/14/10 5:04:00    20   3           50
6 6/14/10 5:05:00    30   3           50

使用我当前的代码，我得到的是：

     Date    Time Axis1 Day Sum.A1.Daily
1 6/12/10 5:00:00    20  NA           60
2 6/12/10 5:01:00    40  NA           60
3 6/13/10 5:02:00    50  NA           80
4 6/13/10 5:03:00    30  NA           80
5 6/14/10 5:04:00    20  NA           50
6 6/14/10 5:05:00    30  NA           50

将值分配给第 4 列的 for 循环出现问题。我需要帮助理解两件事：

1. 问题是什么（下面的当前脚本）
2. 如果我可以通过更有效地使用因子水平来规避问题

我是 R 和 stackoverflow 的新手——对这个社区的酷炫感到不知所措。如果我违反了基本的提问规则，请告诉我。

## read in file; define classes 
## (important b/c I want R to utilize factor levels of "Date" in column 1 of .csv file)
dat <- read.csv("data.csv", header = T, ## read in file
      colClasses = c("factor", "character", "integer", "integer", "integer"))

## assign values to be used by for loops
levs <- lapply(dat, levels) ## grab levels for factor variable of dates
dates <- c(levs$Date) ## creates list of dates to reference in for loop
counts <- c(1:length(dates)) ## creates vector 1:number of dates listed in file for loop 2
x <- (1:nrow(dat)) ## creates vector 1:number of rows in file

## for loop 1 will cycle through rows in file; 
## for loop 2 cycle through values in "counts" variable
      ## if() compares value of each object in "Dates" (col. 1) 
       ## to one of the value of one of the levels (e.g., compared to "6/22/10", not 1)
            ## if ==, assigns corresp. value of "counts" to the appropriate obs. of col. 4 

("Day")
    for (i in x) {
          for (j in counts) {
                if (dat[i,1] == levs[j]) {
                      dat[i,4] <- counts[j]
                }
          }
    }
dat <- transform(dat, Sum.A1.Daily = ave(dat$Axis1, dat$Date, FUN = sum))
if(!file.exists("ActData.csv")) {     ## Enter file name for new data
write.csv(dat, file = "ActData2.csv") ## Enter file name for new data
  } else { stop("change file name") 
}
print("File Cleaning Complete")
head(dat)
tail(dat)

Answer 1

这是一种循环效率非常低的问题。尝试使用矢量化方法：

dat$day <- as.numeric(factor(dat$Date))  
dat$Sum.A1.Daily <- ave(dat$Axis1, dat$Date, FUN=sum)

第一个使用因子实际上是 alpha 水平向量的整数索引这一事实。在这种情况下，我们只是丢弃了levels属性，只使用了整数系列。

编辑：等等！；您已经在 transform 中正确使用了它：ave 在第二个参数的类别中计算 FUN 参数的值，并返回一个与其第一个参数长度相同的向量。

Answer 2

您可以使用match 获取“日”列的值。然后split 和sapply，获取“Sum.A1.Daily”列的值。假设你的原始数据是dat，

> within(dat, {
      Day <- match(Date, levels(Date))
      Sum.A1.Daily <- sapply(split(Axis1, Day), sum)[Day]
  })
#      Date    Time Axis1 Day Sum.A1.Daily
# 1 6/12/10 5:00:00    20   1           60
# 2 6/12/10 5:01:00    40   1           60
# 3 6/13/10 5:02:00    50   2           80
# 4 6/13/10 5:03:00    30   2           80
# 5 6/14/10 5:04:00    20   3           50
# 6 6/14/10 5:05:00    30   3           50

---

为了分解这些部分，让我们分别看一下它们。首先，在列上使用 match 以及列的因子级别会返回一个数值向量，其中包含列中属于每个级别的值的索引。

> (m <- with(dat, match(Date, levels(Date))))
# [1] 1 1 2 2 3 3

然后，将“Axis1”列除以“Date”列并对其进行迭代以获得总和，用[m] 向量化，我们得到以下结果。

> with(dat, sapply(split(Axis1, Date), sum)[m])
# 6/12/10 6/12/10 6/13/10 6/13/10 6/14/10 6/14/10 
#      60      60      80      80      50      50 

within()允许我们对数据框执行操作并一次调用返回结果。

---

现在，就您的代码而言，我将对您使用transform的位置进行以下更改

dates <- lapply(dat, levels)$Date 
  ## grab levels for factor variable of dates
counts <- match(dat$Date, levels(dat$Date)) 
  ## creates vector 1:number of dates listed in file for loop 2
for(i in seq(dates)){
    for(j in seq(counts)){
        if(dat$Date[j] %in% dates) dat$Day[j] <- counts[j]
    }
}