多个数据帧上的一组函数并合并 R 中的输出

Question

我有多个数据帧（在 130 个观察点处移动不同持续时间的温度），并希望通过将以下代码应用于每个数据帧来生成所有数据的月平均值 - 然后将结果放入一个数据帧中。我一直在尝试使用 for 循环来做到这一点，但没有得到任何结果。我对 R 比较陌生，如果有人能帮助我解决这个问题，我真的很感激。

这是一个数据框的一瞥：

head(maxT2016[,1:5])

      X       X0       X1       X2       X3
1 20160101 26.08987 26.08987 26.08987 26.08987
2 20160102 25.58242 25.58242 25.58242 25.58242
3 20160103 25.44290 25.44290 25.44290 25.44290
4 20160104 26.88043 26.88043 26.88043 26.88043
5 20160105 26.60278 26.60278 26.60278 26.60278
6 20160106 24.87676 24.87676 24.87676 24.87676

str(maxT2016)
'data.frame':   274 obs. of  132 variables:
$ X   : int  20160101 20160102 20160103 20160104 20160105 20160106 20160107 20160108 20160109 20160110 ...

$ X0  : num  26.1 25.6 25.4 26.9 26.6 ...
$ X1  : num  26.1 25.6 25.4 26.9 26.6 ...
$ X2  : num  26.1 25.6 25.4 26.9 26.6 ...
$ X3  : num  26.1 25.6 25.4 26.9 26.6 ...

这是我用于单个数据框的代码：

library(dplyr)
library(lubridate)
library(tidyverse)

maxT10$X <- as.Date(as.character(maxTsma10$X), format="%Y%m%d") 

monthlyAvr <- maxT10 %>%
  group_by(month=floor_date(date, "month")) %>%
  summarise(across(X0:X130, mean, na.rm=TRUE)) %>%
  slice_tail(n=6) %>%
  select(-month)

monthlyAvr2 <- as.data.frame(t(montlyAvr))
colnames(monthlyAvr2) <- c("meanT_Apr", "meanT_May", "meanT_Jun", "meanT_Jul", "meanT_Aug", 
"meanT_Sep")

本质上，我想将所有所有数据帧放入一个列表中并通过所有数据帧运行该函数，然后将这些输出排序到一个数据帧中。我遇到了 lapply 函数作为替代方案，但对 for-loop 感觉更舒服。

d = list(maxT10, maxT20, maxT30, maxT60 ... ...)

for (i in 1:lengh(d)){

}

MonthlyAvrT <- cbind(maxT10, maxT20, maxT30, maxT60... ... ) 

Answer 1

罗勒。欢迎使用 StackOverflow。

当我第一次说使用 R 时，我对 lapply 持谨慎态度，但你应该坚持下去。它几乎总是比使用 for 循环更有效。在您的特定情况下，您可以将您的各个数据框放在 list 中，并将您在每个数据框上运行的代码放入一个函数 myFunc 中，例如，它将您要处理的数据框作为其参数。

那你可以简单地说

allData <- bind_rows(lapply(1:length(dataFrameList), function(x) myFunc(dataFrameList[[x]])))

顺便说一句，你的列名让我觉得你的数据还不是tidy。我建议你在做很多其他事情之前花一点时间来制作它。从长远来看，它将为您节省大量的精力。

Answer 2

伪代码中的逻辑是：

for each data.frame in list
    apply a function
    save the results

在data_set 列表的每个data.frame 上应用my_function：

my_function <- function(my_df) {

  my_df <- as.data.frame(my_df)
  out <- apply(my_df, 2, mean)  # compute mean on dimension 2 (columns)
  return(out)

}

# 100 data.frames
data_set <- replicate(100, data.frame(X=runif(6, 20160101, 20160131), X0=rnorm(6, 25)))

> dim(data_set) 
[1]   2 100

results <- apply(data_set, 2, my_function)  # Apply my_function on dimension 2

# Output for first 5 data.frames

> results[, 1:5]                                                                                                                                                                          
           [,1]         [,2]         [,3]         [,4]         [,5]                                                                  

X  2.016012e+07 2.016011e+07 2.016011e+07 2.016012e+07 2.016011e+07                                                                                                                       
X0 2.533888e+01 2.495086e+01 2.523087e+01 2.491822e+01 2.482142e+01