如何从函数内的循环中添加数据帧？答案

【问题标题】：How to add up data frames from a loop within a function?如何从函数内的循环中添加数据帧？
【发布时间】：2015-07-01 01:47:05
【问题描述】：

我有一个函数，其目的是根据成本预测收入。扭曲的是，我有许多不同的数据帧和许多不同的相应模型作为输入进行预测 - 函数循环遍历每个数据帧，在其上预测其相应的模型并输出具有置信区间的预测输出。现在，我需要找到一种方法来将所有这些预测输出相加。

这是我正在做的一个简化示例，如果您不需要它来回答问题（可能难以阅读），请随意跳过它，但如果它有助于阅读。请注意，每个预测输出都不是成本和收入的数据框，而是您可以从可变成本中获得的收入的摘要。

predictions <- function(df_list, model_list) {
  for(i in 1:length(df_list)) {
    sapply(seq(1, 2, .25), function(x) {
      df_list[[i]]$cost <- df_list[[i]]$cost * x
      predictions <- predict(model_list[[i]], df_list[[i]], interval = "confidence")
      temp <- cbind(df_list[[i]]$cost, predictions)
      output <- summarise(temp, Cost = sum(cost), Low = sum(lwr), Fit = sum(fit), Upper = sum(upr))
      output
    }) -> output
    output %>% t %>% as.data.frame -> output
  }
}

每个索引的输出如下所示：

     Cost Lower_Rev  Fit_Rev Upper_Rev
1 2048884  18114566 20898884  24145077
2 2561105  21684691 25085853  29064495
3 3073326  25092823 29122421  33853693
4 3585547  28369901 33038060  38539706
5 4097768  31537704 36853067  43140547

我需要某种方法将每个输出加在一起成为一个主输出，其成本和收入值将是所有其他输出的总和。有什么想法吗？

【问题讨论】：

标签： r

【解决方案1】：

您的output 每次都会被替换。您需要将其分配给某些东西，或者只是使用lapply/sapply。还添加了i 作为参数，而不是滥用R 的范围规则并从.GlobalEnv 中获取参数i

L = lapply(1:length(df_list),
           function(i) sapply(seq(1, 2, .25), function(x, i) {
                              df_list[[i]]$cost <- df_list[[i]]$cost * x
                              predictions <- predict(model_list[[i]], df_list[[i]], interval = "confidence")
                              temp <- cbind(df_list[[i]]$cost, predictions)
                              output <- summarise(temp, Cost = sum(cost), Low = sum(lwr), Fit = sum(fit), Upper = sum(upr))
                              output %>% t %>% as.data.frame
                        })
)

【讨论】：

【解决方案2】：

找到了一个解决方案：有点靠不住，但它确实有效。

在函数的开头，我建立了以下向量：

costs <- c()
lows <- c()
fits <- c()
highs <- c()

这些与我输出的四列一致。然后，在循环结束时，在 -> output 语句之后，我运行：

costs[i] <- output[1]
lows[i] <- output[2]
fits[i] <- output[3]
highs[i] <- output[4]

由于某种原因，简单地将每个完整的 df 分配给一个 dfs 列表是行不通的；我必须逐个向量地做它。然后，一旦每个向量都与我的索引的全部范围一起存储，我就运行了这个：

costs <- sapply(costs, unlist) %>% rowSums %>% as.data.frame
lows <- sapply(lows, unlist) %>% rowSums %>% as.data.frame
fits <- sapply(fits, unlist) %>% rowSums %>% as.data.frame
highs <- sapply(highs, unlist) %>% rowSums %>% as.data.frame
output <- cbind(costs, lows, fits, highs)
output

...结束函数。总而言之真的很奇怪，但它确实有效。

【讨论】：