循环遍历 R 中列名的特定子集

Posted 2023-03-11

【中文标题】循环遍历 R 中列名的特定子集

【英文标题】：Looping over a specific subset of column names in R

【发布时间】：2013-11-19 08:09:36

【问题描述】：

我有一个数据框 AData，我提取了它的列名的某个子集，比如 SpecialNames。我想知道如何在 for 循环中引用这些列。

我当前的代码如下所示：

SpecialNames <- setdiff(colnames(AData), colnames(BData))

for ( i in SpecialNames ) 

    AData$i <- NULL # Do something to AData$i such as delete it or something else

唉，AData$i 似乎没有引用名为 i 的数据框 AData 的列。有什么不同的语法可以给我吗？

我在这篇文章here 中读到：“$ 用于交互使用。相反，在编程时，即要解释列名时，您需要使用 [ 或 [[，因此我替换了 sample$ i.imp with sample[[paste0(i, '.impt')]]".

根据这个评论，我猜想我一直在寻找的语法可能是 AData$[i] 或 AData$[[i]] 或 AData$[[paste0(i)]] 但这些似乎都不是也可以工作。

有什么想法吗？

【问题讨论】：

你能提供一些样本数据和你想要的结果吗？尝试阅读this。

您在R 中遇到了我认为的设计缺陷。 Adata[,SpecialNames] <- NULL 失败，而 Adata[,SpecialNames] <- NA 工作 - 它是一种安全功能，因为分配 NULL 会更改 data.frame 的结构。要击败它，您需要mydf[[specialnames[1]]] <- NULL，注意使用[[。 Hadley 的 note 对此帮助了我。

【参考方案1】：

您的循环非常接近 - 您缺少 [ 和 [[ 的用法和含义中的一个微妙特征。有关详细信息，请参阅 Hadley Wickham 关于子集的this 注释。

要获得您想要的性能（分配NULL 以删除一列），您必须使用[[。使用mydf[, specialnames] <- NULL 会抛出错误。

我同意这有点令人困惑，因为mydf[, specialnames] <- NA 会起作用：我认为这是关于前者改变data.frame 的结构而后者不这样做......

这样你的函数就变成了：

for (name in specialnames)  
   mydf[[name]] <- NULL

所以设置我们有：

set.seed(1)
mydf <- data.frame(A = c(1, 1, 1, 2, 2, 3, 3, 3, 3, 4, 4, 4),
               B = LETTERS[c(1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2)],
               matrix(sample(100, 36, replace = TRUE), nrow = 12))

## Here is your vector of special names
specialnames <- setdiff(names(mydf), c("A", "B"))

在循环之后我们会得到：

R> mydf
   A B
1  1 A
2  1 A
3  1 A
4  2 A
5  2 A
6  3 B
7  3 B
8  3 B
9  3 B
10 4 B
11 4 B
12 4 B

【参考方案2】：

不知道自己在做什么，很难说for 循环是否可行；不过，希望这能帮助您顺利上路：

## Sample data is always nice
set.seed(1)
mydf <- data.frame(A = c(1, 1, 1, 2, 2, 3, 3, 3, 3, 4, 4, 4),
                   B = LETTERS[c(1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2)],
                   matrix(sample(100, 36, replace = TRUE), nrow = 12))

## Here is your vector of special names
specialnames <- setdiff(names(mydf), c("A", "B"))

## Here is a `for` loop that will print the first two rows
##   of each column named in "specialnames"
## THIS IS NOT HOW I WOULD NORMALLY DO THIS IN R
## -------------------------------------------------------
for (i in seq_along(specialnames)) 
  print(head(mydf[specialnames[i]], 2))

---

注意事项（也许）：

for (i in seq_along(specialnames))：seq_along（或i in 1:length(specialnames) 或类似的东西）很重要。 您似乎误解了[ 和[[ 的用法。尝试以下方法来了解他们的工作： mydf["A"] mydf[["A"]] mydf[1, c("A", "B")] 看here和here的两个问题。

【参考方案3】：

您不需要for 循环，您可以直接访问列。这是一个例子：

Adata <- data.frame(a=rnorm(5), b=rnorm(5), c=rnorm(5))
SpecialNames <- c("b", "c")
Adata[,SpecialNames] <- NA

给你：

            a  b  c
1 -0.95619055 NA NA
2 -0.20250939 NA NA
3 -1.06609997 NA NA
4  0.06337307 NA NA
5  0.77234892 NA NA

您确定要使用NULL 吗？ NA 通常用于缺失值，见here。

【讨论】：

值得注意的是，Adata[,SpecialNames] <- NULL 会抛出一个错误——因为这就是引发 OP 问题的原因。在需要删除列的情况下，上述方法不会起作用。