使用 for 循环对 data.frame 进行子集化答案

【问题标题】：subsetting a data.frame using a for loop使用 for 循环对 data.frame 进行子集化
【发布时间】：2016-11-03 17:51:38
【问题描述】：

我有一个 data.frame，我想每 10 行对其进行一次子集化，然后对子集应用一个函数，保存对象，然后删除前一个对象。这是我到目前为止得到的结果

L3 <- LETTERS[1:20]
df <- data.frame(1:391, "col", sample(L3, 391, replace = TRUE))
names(df) <- c("a", "b", "c")

b <- seq(from=1, to=391, by=10)
nsamp <- 0
for(i in seq_along(b)){
a <- i+1
nsamp <- nsamp+1
df_10 <- df[b[nsamp]:b[a], ]
res <- lapply(seq_along(df_10$b), function(x){...}
saveRDS(res, file="res.rds")
rm(res)
}

我的问题是for loop 在到达序列的最后一个元素b 时崩溃

【问题讨论】：

为什么要保存在 for 循环中？您似乎一次又一次地保存同一个文件，因为您没有更改文件的名称。关闭 Lapply 功能。
该函数读取一些非常大的文件，这就是为什么我想以 10 个为一组，然后保存并删除它们以节省 RAM
对象是否太大以至于无法全部放入内存？更好的方法是使用列表（例如，my_subsets = split(df, 1:nrow(df) %/% 10) 然后lapply 或for 循环子集）或更好，使用data.table 或dplyr 与他们的“按组做事”能力。
该函数使用 data.frame s2c_10 上的信息来应用 'sleuth` 包中的函数，该函数读取 hdf5 这么大的文件，所以这就是我要应用的原因块的功能。感谢@Gregor 使用 split
@Gregor，如果您使用split 详细说明答案，我会接受它

标签： r for-loop

【解决方案1】：

分区数据时，split 是您的朋友。它将创建一个列表，其中每个数据子集作为一个项目，然后很容易迭代。

dfs = split(df, 1:nrow(df) %/% 10)

然后你的 for 循环可以简化成这样的东西（未经测试......我不确定你在做什么，因为示例数据似乎从 df 切换到 sc2_10 我只希望你的专栏名为b 的向量与名为b 的向量不同）：

for(i in seq_along(dfs)){
  res <- lapply(seq_along(dfs[[i]]$b), function(x){...}
  saveRDS(res, file = sprintf("res_%s.rds", i))
  rm(res)
}

我还修改了你的保存文件名，这样你就不会每次都覆盖同一个文件。

【讨论】：