通过因子计算会产生一个列表 - 如何规避？

Question

我有一个如下的data.frame：

  Lot Wafer Voltage Slope Voltage_irradiated Slope_irradiated m_dist_lot
1   8   810   356.119 6.08423    356.427           6.13945          NA
2   8   818   355.249 6.01046    354.124           6.20855          NA
3   9   917   346.921 6.21474    346.847           6.33904          NA
4 (...)
120 9   914   353.335 6.15060    352.540           6.19277          NA 
121 7   721   358.647 6.10592    357.797           6.17244          NA
122 (...)

我的目标很简单，但也有点困难。绝对可以通过以下几种方式解决它： 我想根据一个因素对每一行应用一个函数“func”，例如因素“很多”。这是通过

m_dist_lot<- by(data.frame, data.frame$Lot,func)

这确实有效，但结果是一个列表：

data.frame$Lot: 7

      354       355       363       367       378       419       426       427       428       431       460       477       836 
3.5231249 9.4229589 1.4996504 7.2984485 7.6883170 1.2354754 1.8547674 3.1129814 4.4303001 1.9634573 3.7281868 3.6182559 6.4718306 

data.frame$Lot: 8
         1          2         11         15         17         18         19         20         21         22         24         25 
 2.1415352  4.6459868  1.3485551 38.8218984  3.9988686  2.2473563  6.7186047  2.6433790  0.5869746  0.5832567  4.5321623  1.8567318 

第一行似乎是从中获取数据的初始 data.frame 的行。第二行是计算值。 我现在的问题是：如何根据正确的行将这些值正确存储到原始 data.frame 中？

例如在数据框的某个计算/行的情况下：

m_dist_lot<- by(data.frame, data.frame$Lot,func)

data.frame 中第二行的结果

data.frame$Lot: 8
2
4.6459868

我想根据正确的行“2”将值4.6459868存储在data.frame$m_dist_lot中：

  Lot Wafer Voltage Slope Voltage_irradiated Slope_irradiated m_dist_lot
1   8   810   356.119 6.08423    356.427           6.13945          NA
2   8   818   355.249 6.01046    354.124           6.20855     4.6459868
3   9   917   346.921 6.21474    346.847           6.33904          NA
4 (...)
120 9   914   353.335 6.15060    352.540           6.19277          NA 
121 7   721   358.647 6.10592    357.797           6.17244          NA
122 (...)

但我不知道怎么做。实际上，我最好的尝试是使用“unlist”。

un<- unlist(m_dist_lot) 结果

un[1]
6.354 
3.523125 
un[2]
6.355 
9.422959 
un[3]
(..)

但我仍然不知道如何“分离”“factor.row”和“calculated”值的信息，以便将信息正确存储在数据框中。

至少在使用un<- unlist(m_dist_lot, use.names = FALSE) 时，这些因素不存在：

un[1]
3.523125
un[2]
9.422959
un[3]
1.49965
(..)

但现在我缺乏如何将这些值正确分配到 data.frame 中的信息。

使用un<- do.call(rbind, lapply(m_dist_lot, data.frame, stringsAsFactors=FALSE)) 会导致

(...)
7.922    0.94130936
7.976    4.89560441
8.1      2.14153516
8.2      4.64598677
8.11     1.34855514
(...)

这里我仍然缺少计算值的正确分配 data.frame。 我确信必须有一个可行的方法。你知道什么好方法吗？

Answer 1

没有可重复的数据或您希望func 执行的示例，我在这里猜测了一下。不过，我认为dplyr 将成为您的答案。

首先，我将使用来自dplyr（从magrittr 导出）的管道（%>%）通过一系列函数传递内置的iris 数据。 如果您要计算的内容需要完整的 data.frame（而不仅仅是一两列），您可以修改此方法以执行您想要的操作（只需编写函数来获取数据。帧，添加感兴趣的列，然后返回完整的数据帧）。

在这里，我首先 split iris 按物种划分数据（这会创建一个列表，每个物种都有一个单独的 data.frame）。接下来，我使用lapply 对列表的每个元素运行head 函数。这将返回一个 data.frames 列表，现在每个只有三行。 （您可以在此处将 head 替换为您感兴趣的函数，只要它返回完整的 data.frame。）最后，我将列表的每个元素与 bind_rows 缝合在一起。

topIris <-
  iris %>%
  split(.$Species) %>%
  lapply(head, n = 3) %>%
  bind_rows()

这会返回：

  Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
1          5.1         3.5          1.4         0.2     setosa
2          4.9         3.0          1.4         0.2     setosa
3          4.7         3.2          1.3         0.2     setosa
4          7.0         3.2          4.7         1.4 versicolor
5          6.4         3.2          4.5         1.5 versicolor
6          6.9         3.1          4.9         1.5 versicolor
7          6.3         3.3          6.0         2.5  virginica
8          5.8         2.7          5.1         1.9  virginica
9          7.1         3.0          5.9         2.1  virginica

我将用它来说明我认为可以真正解决您的根本问题的方法。

来自dplyr 的group_by 函数允许使用类似的方法，但不必split data.frame。当对 data.frame 进行分组时，应用于它的任何函数都将按组单独应用。这是一个实际的例子，它对每个物种的萼片长度进行排名。这显然不是直接有用，但是您可以编写一个自定义函数，该函数将任意数量的列作为参数（然后作为向量传入）并返回相同长度的向量（以创建新列或更新现有列一）。最后的select 函数只是为了更容易看到我做了什么

topIris %>%
  group_by(Species) %>%
  mutate(rank_Sepal_Length = rank(Sepal.Length)) %>%
  select(Species, rank_Sepal_Length, Sepal.Length)

返回：

     Species rank_Sepal_Length Sepal.Length
      <fctr>             <dbl>        <dbl>
1     setosa                 3          5.1
2     setosa                 2          4.9
3     setosa                 1          4.7
4 versicolor                 3          7.0
5 versicolor                 1          6.4
6 versicolor                 2          6.9
7  virginica                 2          6.3
8  virginica                 1          5.8
9  virginica                 3          7.1

Answer 2

我在Force gsub to keep trailing zeros 的帮助下找到了解决方法：

un<- do.call(rbind, lapply(list, data.frame, stringsAsFactors=FALSE))
un<- gsub(".*.","", un)
un<- regmatches(un, gregexpr("(?<=.).*", un, perl=TRUE))

rows<- data.frame(matrix(ncol = 1, nrow = lengths(un)))
colnames(rows)<- c("row_number")
rows["row_number"]<- sprintf("%s", rownames(un))
rows["row_number"]<- as.numeric(un[,1])
rows["row_number"]<- sub("^[^.]*[.]", "", format(rows[,1], width = max(nchar(rows[,1]))))