循环遍历数据框和变量名

Posted 2023-03-11

【中文标题】循环遍历数据框和变量名

【英文标题】：Loop through data frame and variable names

【发布时间】：2013-05-18 19:38:30

【问题描述】：

我正在寻找一种使用 FOR 循环在 R 中自动化某些图表的方法：

dflist <- c("dataframe1", "dataframe2", "dataframe3", "dataframe4")

for (i in dflist) 
  plot(i$var1, i$var2)

所有数据帧都具有相同的变量，即 var1、var2。

似乎for 循环不是这里最优雅的解决方案，但我不明白如何将apply 函数用于图表。

编辑：

我使用mean() 的原始示例对原始问题没有帮助，因此我将其更改为绘图函数。

【问题讨论】：

使用for 循环很好。只需将实际的 data.frames 放在一个列表中，而不仅仅是将它们的名称放在一个向量中。为了更具可读性，您还可以将循环内容更改为plot(var2~var1, data=i)。但是，您可能想要保存图表（阅读?pdf）或将多个图表放在一个图形页面上（阅读?par）。

虽然我同意 Roland 的观点，即 for 循环很好，但这个带有 data.frame 列表的示例非常适合 lapply。

@arumbay 我还会检查ggplot2 包中的刻面以创建绘图组。

【参考方案1】：

为了进一步补充比斯特菲尔德的答案，您似乎想对每个数据帧执行一些复杂的操作。

apply 语句中可以有复杂的函数。那么您现在拥有的位置：

for (i in dflist) 
  # Do some complex things

这可以翻译成：

lapply(dflist, function(df) 
  # Do some complex operations on each data frame, df
  # More steps

  # Make sure the last thing is NULL. The last statement within the function will be
  # returned to lapply, which will try to combine these as a list across all data frames.
  # You don't actually care about this, you just want to run the function.
  NULL
)

一个更具体的使用情节的例子：

# Assuming we have a data frame with our points on the x, and y axes,
lapply(dflist, function(df) 
  x2 <- df$x^2
  log_y <- log(df$y)
  plot(x,y)
  NULL
)

您还可以编写带有多个参数的复杂函数：

lapply(dflist, function(df, arg1, arg2) 
  # Do something on each data.frame, df
  # arg1 == 1, arg2 == 2 (see next line)
, 1, 2) # extra arguments are passed in here

希望对你有所帮助！

【讨论】：

谢谢你，这对我很有帮助，帮助我更好地理解了 apply 函数背后的原理！

【参考方案2】：

关于您的实际问题，您应该学习如何访问data.frames、matrixs 或lists 的单元格、行和列。从您的代码中，我猜您想访问data.frame i 的j'th 列，所以它应该是：

mean( i[,j] )
# or
mean( i[[ j ]] )

$ 运算符只能在您想访问 data.frame 中的特定变量时使用，例如i$var1。此外，它的性能不如[, ] 或[[]] 访问。

然而，虽然没有错，但for 的使用会循环它不是很R'ish。您应该阅读有关矢量化函数和apply 系列的信息。所以你的代码可以很容易地重写为：

set.seed(42)
dflist <- vector( "list", 5 )
for( i in 1:5 )
  dflist[[i]] <- data.frame( A = rnorm(100), B = rnorm(100), C = rnorm(100) )

varlist <- c("A", "B")

lapply( dflist, function(x) colMeans(x[varlist])  )

【讨论】：

谢谢 - 我担心我的 mean() 例子太简单了。我正在寻找一种方法来自动生成引用一组数据框的散点图（请参阅上面示例中的更改）；我想这也可以使用 apply 函数？

【参考方案3】：

set.seed(42)
dflist <- list(data.frame(x=runif(10),y=rnorm(10)),
               data.frame(x=rnorm(10),y=runif(10)))

par(mfrow=c(1,2))
for (i in dflist) 
  plot(y~x, data=i)

【参考方案4】：

以@Roland 为例，我想向您展示ggplot2 等价物。首先我们必须稍微改变一下数据集：

首先是原始数据：

> dflist
[[1]]
           x           y
1  0.9148060 -0.10612452
2  0.9370754  1.51152200
3  0.2861395 -0.09465904
4  0.8304476  2.01842371
5  0.6417455 -0.06271410
6  0.5190959  1.30486965
7  0.7365883  2.28664539
8  0.1346666 -1.38886070
9  0.6569923 -0.27878877
10 0.7050648 -0.13332134

[[2]]
            x          y
1   0.6359504 0.33342721
2  -0.2842529 0.34674825
3  -2.6564554 0.39848541
4  -2.4404669 0.78469278
5   1.3201133 0.03893649
6  -0.3066386 0.74879539
7  -1.7813084 0.67727683
8  -0.1719174 0.17126433
9   1.2146747 0.26108796
10  1.8951935 0.51441293

并将数据放入一个 data.frame 中，并带有一个 id 列

require(reshape2)
one_df = melt(dflist, id.vars = c("x","y"))
> one_df
            x           y L1
1   0.9148060 -0.10612452  1
2   0.9370754  1.51152200  1
3   0.2861395 -0.09465904  1
4   0.8304476  2.01842371  1
5   0.6417455 -0.06271410  1
6   0.5190959  1.30486965  1
7   0.7365883  2.28664539  1
8   0.1346666 -1.38886070  1
9   0.6569923 -0.27878877  1
10  0.7050648 -0.13332134  1
11  0.6359504  0.33342721  2
12 -0.2842529  0.34674825  2
13 -2.6564554  0.39848541  2
14 -2.4404669  0.78469278  2
15  1.3201133  0.03893649  2
16 -0.3066386  0.74879539  2
17 -1.7813084  0.67727683  2
18 -0.1719174  0.17126433  2
19  1.2146747  0.26108796  2
20  1.8951935  0.51441293  2

并制作情节：

require(ggplot2)
ggplot(one_df, aes(x = x, y = y)) + geom_point() + facet_wrap(~ L1)

【参考方案5】：

基于 Scott Ritchi 解决方案，这将是可重现的示例，同时隐藏来自 lapply 的反馈消息：

# split dataframe by condition on cars hp
f <- function() trunc(signif(mtcars$hp, 2) / 100)
dflist <- lapply(unique(f()), function(x) subset(mtcars, f() == x ))

这将mtcars 数据帧拆分为基于hp 变量分类的子集（0 表示低于 100 的马力，1 表示低于 100 的马力，2 表示 200 的马力，依此类推。）

然后，绘制它：

# use invisible to prevent the feedback message from lapply
invisible(
    lapply(dflist, function(df) 
    x2 <- df$mpg^2
    log_y <- log(df$hp)
    plot(x2, log_y)
    NULL
))

invisible() 将阻止lapply() 消息：

16 
9 
6 
1 
[[1]]
NULL

[[2]]
NULL

[[3]]
NULL

[[4]]
NULL