循环 r-package “seg” 功能 - 改变数据选择

Question

我正在使用同名包中的函数“seg”计算几个组与总人口的差异指数。

数据由大约 450 行组成，每行代表不同的地区，以及大约 20 列（可能被隔离的组）。这些值是居住在各个地区的各个群体的人数。这是我的 csv 文件的前几行：

Region,Germany,EU15 without Germany,Poland,Former Yugoslavia and successor countries,Former Soviet Union and successor countries,Turkey,Arabic states,West Afrika,Central Afrika,East Afrika,North America,Central America and the Carribean,South America,East and Central Asia,South and Southeast Asia - excluding Vietnam,Australia and Oceania,EU,Vietnam,Non EU Europe,Total Population
1011101,1370,372,108,35,345,91,256,18,6,3,73,36,68,272,98,3,1979,19,437,3445
1011102,117,21,6,0,0,0,6,0,0,0,7,0,6,0,7,0,156,0,3,188
1011103,2180,482,181,102,385,326,358,48,12,12,73,24,75,175,129,12,3152,34,795,5159

由于seg 函数仅适用于两列作为输入，我当前用于创建包含所有组索引的表的代码如下所示：

DI_table <- as.data.frame(0)
DI_table[1,1] <- print (seg(data =dfplrcountrygroups2019[, c( "Germany", "Total.Population")]))
DI_table[1,2] <- print (seg(data =dfplrcountrygroups2019[, c( colnames(dfplrcountrygroups2019)[3], "Total.Population")]))
DI_table[1,3] <- print (seg(data =dfplrcountrygroups2019[, c( colnames(dfplrcountrygroups2019)[4], "Total.Population")]))
DI_table[1,4] <- print (seg(data =dfplrcountrygroups2019[, c( colnames(dfplrcountrygroups2019)[5], "Total.Population")]))
# and so on...

colnames(DI_table)<- (colnames(dfplrcountrygroups2019[2:20]))

效果很好，但是每次我用我的数据更改某些内容时重新编码很麻烦，我也想将此方法用于其他数据集。

我想我可能会尝试类似下面的方法，但 seg 函数不认为它是两列的选择。

for (i in colnames(dfplrcountrygroups2019)) {
  di_matrix [i] <- seg(data =dfplrcountrygroups2019[, c( "i", "Total.Population")])
}

[.data.frame(dfplrcountrygroups2019, , c("i", "Total.Population")) : 选择了未定义的列

我还想到了apply 函数，但不确定如何使其工作，因此它会重复自身，同时只是更改示例中“德国”所在的列。每次重复 seg 函数时，如何更改列的选择？

my_function <- seg(data =dfplrcountrygroups2019[, c("Germany", "Total.Population")])

apply(X = dfplrcountrygroups2019,
      FUN = my_function,
      MARGIN = 2
      )

get(as.character(FUN), mode = "function", envir = envir) 中的错误：
找不到模式“function”的对象“my_function”

Answer 1

seg 包的函数，如 dissim（seg::seg 已被弃用）具有特定的预期数据格式。来自文档：

data - 一个数字矩阵或数据框，其中包含两列代表相互排斥的人口群体（例如，亚洲人和非亚洲人）。如果给出的列多于两列，则只有前两列将用于计算索引。

要获得d 值seg::dissim 返回的数据框，其中每列是区域的相异性索引，您可以遍历列，制作临时数据框并计算索引。因为您开始使用的数据不是由相互排斥的类别组成，所以您必须从总人口列中减去每个人口，以获得每个 X 组的非 X 对应物。

带有sapply 的基本 R 选项将返回一个命名列表，然后您可以将其转换为数据框。

di_table <- sapply(names(dat)[2:20], function(col) {
  tmp_df <- dat[col]
  tmp_df$other <- dat$Total.Population - dat[col]
  seg::dissim(data = tmp_df)$d
}, simplify = FALSE)

as.data.frame(di_table)
#>      Germany EU15.without.Germany     Poland
#> 1 0.03127565           0.03989693 0.02770549
#>   Former.Yugoslavia.and.successor.countries
#> 1                                  0.160239
#>   Former.Soviet.Union.and.successor.countries Turkey Arabic.states West.Afrika
#> 1                                  0.08808277 0.2047    0.02266828   0.1415519
#>   Central.Afrika East.Afrika North.America Central.America.and.the.Carribean
#> 1     0.08004711    0.213581     0.1116014                         0.2095969
#>   South.America East.and.Central.Asia
#> 1    0.08486598             0.2282734
#>   South.and.Southeast.Asia...excluding.Vietnam Australia.and.Oceania         EU
#> 1                                    0.0364721              0.213581 0.04394527
#>      Vietnam Non.EU.Europe
#> 1 0.05505789    0.06624686

几个 tidyverse 选项：您可以使用 purrr 函数一步完成上述操作。

dat[2:20] %>%
  purrr::map(~data.frame(value = ., other = dat$Total.Population - .)) %>%
  purrr::map_dfc(~seg::dissim(data = .)$d)
# same output

或者通过重塑数据并按县划分。这需要更多步骤，但可能更适合更大的工作流程。

library(dplyr)

dat %>%
  tidyr::pivot_longer(c(-Region, -Total.Population)) %>%
  mutate(other = Total.Population - value) %>%
  split(.$name) %>%
  purrr::map_dfc(~seg::dissim(data = .[c("value", "other")])$d)
# same output