R在兩個for回圈中將變數分配/獲取為df名稱，一個有效，一個無效-有解無憂

我正在嘗試使用兩個 for 回圈

將一些 csv 檔案匯入資料框和
將我的自制功能應用于那些匯入的資料框。

我搜索了分配和獲取功能，第一步（將csv匯入df）作業......

Lines <- c(101, 102, 103, 301, 311, 312, 514, 617, 706, 918)

for (i in 1:length(Lines)) {
assign("dfName", paste0(("df_Line"),Lines[i]))
assign("lineName", paste0(("LineNum_"),Lines[i],(".csv")))
dfName <- read.csv(lineName, encoding="UTF-8")
}

此代碼有效，并將 LineNum_101.csv 作為我想要的 df_Line101 從 101 帶到 918。

所以我繼續嘗試應用'function_Merged（df）'（我制作的那個。它在這個問題頁面的末尾），它應該使'df_Line101'到'df_101_Merged'，從101到918。但是這個回圈有什么問題？

Lines <- c(101, 102, 103, 301, 311, 312, 514, 617, 706, 918)

for (i in 1:length(Lines)) {
assign("dfName", paste0(("df_Line"),Lines[i]))
assign("dfMerged", paste0(("df_"),Lines[i],("_Merged")))
dfMerged <- function_Merged(dfName)
}

它說“錯誤：$ 運算子對原子向量無效”。

好吧，我在沒有回圈的情況下檢查了變數本身，并且

assign("dfName", paste0(("df_Line"),Lines[1]))
assign("dfMerged", paste0(("df_"),Lines[1],("_Merged")))
print(dfName)
print(dfMerged)

分別給了我 [1] "df_Line101" 和 [1]"df_101_Merged"。

我試圖用這兩個賦值來應用我的函式。我已經嘗試了很多很多東西，現在我不知道。

get(dfMerged) <- function_Merged(get(dfName))

給了我[找不到函式“get<-”]

get(dfMerged) <- function_Merged(dfName)

game ve [$ 運算子對原子向量無效]

dfMerged <- function_Merged(get(dfName))

有……是的。它制作了一個名為 dfMerged 的??全新框架。function_Merged 雖然有效。

我應該怎么做才能使這個for回圈作業？任何幫助或建議都會非常有用。謝謝！

22/05/24 可重現版本(?idk)

首先是我使用的庫（我知道其中許多實際上不會在此代碼中使用，但無論如何）

library(ggplot2)
library(dplyr)
library(ggpmisc)
library(plotrix)
library(tidyverse)
library(lubridate)
library(ggrepel)
library(broom)
library(plotly)
library(reprex)
library(readxl)
library(zoo)
library(pracma)

我的作業目錄中有大約 100 個 CSV 檔案。檔案名的格式為“LineNum_(number).csv”

list.files()
'0523_visualize.ipynb''LineNum_101.csv''LineNum_102.csv''LineNum_103.csv''LineNum_104.csv''LineNum_105.csv''LineNum_106.csv''LineNum_107.csv''LineNum_108.csv''LineNum_113.csv''LineNum_114.csv''LineNum_115.csv''LineNum_116.csv''LineNum_117.csv''LineNum_119.csv''LineNum_121.csv''LineNum_201.csv''LineNum_202.csv''LineNum_203.csv''LineNum_211.csv''LineNum_212.csv''LineNum_213.csv''LineNum_216.csv''LineNum_301.csv''LineNum_311.csv''LineNum_312.csv''LineNum_313.csv''LineNum_314.csv''LineNum_315.csv''LineNum_316.csv''LineNum_317.csv''LineNum_318.csv''LineNum_501.csv''LineNum_511.csv''LineNum_512.csv''LineNum_513.csv''LineNum_514.csv''LineNum_601.csv''LineNum_602.csv''LineNum_603.csv''LineNum_604.csv''LineNum_605.csv''LineNum_606.csv''LineNum_607.csv''LineNum_608.csv''LineNum_611.csv''LineNum_612.csv''LineNum_613.csv''LineNum_614.csv''LineNum_615.csv''LineNum_616.csv''LineNum_617.csv''LineNum_618.csv''LineNum_619.csv''LineNum_620.csv''LineNum_622.csv''LineNum_701.csv''LineNum_703.csv''LineNum_704.csv''LineNum_705.csv''LineNum_706.csv''LineNum_711.csv''LineNum_712.csv''LineNum_802.csv''LineNum_911.csv''LineNum_912.csv''LineNum_916.csv''LineNum_918.csv'

每個檔案如下所示：

df_Line311 <-read.csv("LineNum_311.csv", encoding = "UTF-8")
head(df_Line311, 5)

A data.frame: 5 × 5
Date    On  Off Transfer    LineNum
<chr>   <int>   <int>   <int>   <int>
1   2020-01-02  15623   12250   3288    311
2   2020-01-03  16598   13078   3410    311
3   2020-01-04  12081   9771    2296    311
4   2020-01-05  9543    7556    1835    311
5   2020-01-06  14779   11607   3321    311

df_Line101 <-read.csv("LineNum_101.csv", encoding = "UTF-8")
head(df_Line101,5)
A data.frame: 5 × 5
Date    On  Off Transfer    LineNum
<chr>   <int>   <int>   <int>   <int>
1   2020-01-02  4250    3725    1061    101
2   2020-01-03  4463    3910    1099    101
3   2020-01-04  3214    2847    753 101
4   2020-01-05  2977    2562    660 101
5   2020-01-06  4197    3673    1041    101

... 等等。
這里的On/Off/Transfer變數是上車/下車/轉移到公交線路LineNum的人數。例如20-01-02，15623人乘坐了311路公交車。

現在我正在通過三個步驟處理資料：

僅獲取作業日（周二、周三、周四）資料

function_Workdays <- function(dataframe) {
    tempDF <- dataframe
    tempDF$Date <- as.Date(tempDF$Date)
    tempDF$Days <- weekdays(tempDF$Date)
    tempDF$Workdays <- factor(tempDF$Days %in% c("???", "???", "???") )
# ???, ???, ??? means Tue, Wed, Thu each in Korean
    tempDF <- subset(tempDF, Workdays==T)
    return(tempDF)
    rm(tempDF)
}

df_Line311_Workdays <- function_Workdays(df_Line311)
head(df_Line311_Workdays, 5)
A data.frame: 5 × 7
Date    On  Off Transfer    LineNum Days    Workdays
<date>  <int>   <int>   <int>   <int>   <chr>   <fct>
1   2020-01-02  15623   12250   3288    311 ??? TRUE
6   2020-01-07  14779   11510   3125    311 ??? TRUE
7   2020-01-08  15571   12315   3433    311 ??? TRUE
8   2020-01-09  15828   12773   3383    311 ??? TRUE
13  2020-01-14  15620   12721   3354    311 ??? TRUE

將“stats”包中的正在運行的媒體函式（RunMed）應用于On值以進行平滑處理

function_Runmed <- function(dataframe) {
    tempDF <- dataframe
    tempDF$On_RunMed <- runmed(tempDF$On, 7)
    return(tempDF)
    rm(tempDF)
}

df_Line311_Runmed <- function_Runmed(df_Line311_Workdays)
head(df_Line311_Runmed, 5)
    Date    On  Off Transfer    LineNum Days    Workdays    On_RunMed
<date>  <int>   <int>   <int>   <int>   <chr>   <fct>   <dbl>
1   2020-01-02  15623   12250   3288    311 ??? TRUE    15571
6   2020-01-07  14779   11510   3125    311 ??? TRUE    15571
7   2020-01-08  15571   12315   3433    311 ??? TRUE    15571
8   2020-01-09  15828   12773   3383    311 ??? TRUE    15604
13  2020-01-14  15620   12721   3354    311 ??? TRUE    15571

在 stats 包中也應用 Loess 函式

function_Loess <- function(dataframe) {
    tempDF <- dataframe
    tempDF$NumericDate = as.numeric(tempDF$Date)
    LoessFunction <- 
    stats::loess(On_RunMed ~ NumericDate, data = tempDF, span = 0.1)
    LoessFunction_value <- predict(LoessFunction, se=T)
    Loess_Function_df <- data.frame(LoessFunction_value)
    tempDF$Loess_Fit <- Loess_Function_df$fit
    tempDF$Loess_SE <- Loess_Function_df$se.fit
    return(tempDF)
    rm(tempDF)
}

df_Line311_Runmed_Loess <- function_Loess(df_Line311_Runmed)
head(df_Line311_Runmed_Loess, 5)
A data.frame: 5 × 11
Date    On  Off Transfer    LineNum Days    Workdays    On_RunMed   NumericDate Loess_Fit   Loess_SE
<date>  <int>   <int>   <int>   <int>   <chr>   <fct>   <dbl>   <dbl>   <dbl>   <dbl>
1   2020-01-02  15623   12250   3288    311 ??? TRUE    15571   18263   15115.58    293.1331
6   2020-01-07  14779   11510   3125    311 ??? TRUE    15571   18268   15437.50    210.3811
7   2020-01-08  15571   12315   3433    311 ??? TRUE    15571   18269   15484.75    197.0860
8   2020-01-09  15828   12773   3383    311 ??? TRUE    15604   18270   15526.54    184.9781
13  2020-01-14  15620   12721   3354    311 ??? TRUE    15571   18275   15656.93    143.0892

我合并了這三個...

function_Merged <- function(dataframe) {  
    df_Workdays <- function_Workdays(dataframe)
    df_Runmed <- function_Runmed(df_Workdays)
    df_Loess <- function_Loess(df_Runmed)
    return(df_Loess)
}

df_311_Merged <- function_Merged(df_Line311)
head(df_311_Merged, 5)
A data.frame: 5 × 11
Date    On  Off Transfer    LineNum Days    Workdays    On_RunMed   NumericDate Loess_Fit   Loess_SE
<date>  <int>   <int>   <int>   <int>   <chr>   <fct>   <dbl>   <dbl>   <dbl>   <dbl>
1   2020-01-02  15623   12250   3288    311 ??? TRUE    15571   18263   15115.58    293.1331
6   2020-01-07  14779   11510   3125    311 ??? TRUE    15571   18268   15437.50    210.3811
7   2020-01-08  15571   12315   3433    311 ??? TRUE    15571   18269   15484.75    197.0860
8   2020-01-09  15828   12773   3383    311 ??? TRUE    15604   18270   15526.54    184.9781
13  2020-01-14  15620   12721   3354    311 ??? TRUE    15571   18275   15656.93    143.0892

對于最后一步，我希望所有這些 csv 檔案都位于資料框中的作業目錄中，并以相同的 df 名稱形式應用此合并函式（當然是自動的。這就是讓我嘗試在 for 回圈中分配和獲取函式的原因）

感謝我得到的答案，使用資料框串列而不是那些分配獲取的東西要容易得多。我成功地 brougut 所有的 csv 檔案并將我的合并函式應用于它們。

my_list <- c("LineNum_101.csv", "LineNum_102.csv", "LineNum_103.csv")
my_df = lapply(my_list, function(x) read.csv(x, encoding = "UTF-8") )
lapply(my_df, function(x) function_Merged(x))

summary(my_df)
     Length Class      Mode
[1,] 5      data.frame list
[2,] 5      data.frame list
[3,] 5      data.frame list

my_df[1]
A data.frame: 786 × 5
Date    On  Off Transfer    LineNum
<chr>   <int>   <int>   <int>   <int>
2020-01-02  4250    3725    1061    101
2020-01-03  4463    3910    1099    101
2020-01-04  3214    2847    753 101
2020-01-05  2977    2562    660 101
2020-01-06  4197    3673    1041    101

但我需要這些資料框在應用合并函式后從串列中取出以擁有自己的資料框名稱。我怎樣才能做到這一點？有沒有辦法用自動名稱匯出串列中的每個資料框？（我希望我的串列元素的名稱為 df_101_Merged、df_102_Merged、……等等。）嗯……我可以對每個 df 中的 LineNum 資料做些什么嗎？

uj5u.com熱心網友回復：

您沒有提供可重現的示例，但我將編造一些資料并展示使用串列比使用assign和更好get。

## each is just mtcars
my_files = c("mtcars.1.txt", "mtcars.2.txt", "mtcars.3.txt")

我們可以像這樣創建一個list資料框：

my_list = lapply(my_files, function(x) read.table(x, sep=","))

[[1]]
    V1  V2    V3  V4   V5    V6    V7 V8 V9  V10  V11
1  mpg cyl  disp  hp drat    wt  qsec vs am gear carb
2   21   6   160 110  3.9  2.62 16.46  0  1    4    4
3   21   6   160 110  3.9 2.875 17.02  0  1    4    4
4 22.8   4   108  93 3.85  2.32 18.61  1  1    4    1
5 21.4   6   258 110 3.08 3.215 19.44  1  0    3    1
6 18.7   8   360 175 3.15  3.44 17.02  0  0    3    2
7 18.1   6   225 105 2.76  3.46 20.22  1  0    3    1
8 14.3   8   360 245 3.21  3.57 15.84  0  0    3    4
9 24.4   4 146.7  62 3.69  3.19    20  1  0    4    2
 [ reached 'max' / getOption("max.print") -- omitted 24 rows ]

[[2]]
    V1  V2    V3  V4   V5    V6    V7 V8 V9  V10  V11
1  mpg cyl  disp  hp drat    wt  qsec vs am gear carb
2   21   6   160 110  3.9  2.62 16.46  0  1    4    4
3   21   6   160 110  3.9 2.875 17.02  0  1    4    4
4 22.8   4   108  93 3.85  2.32 18.61  1  1    4    1
5 21.4   6   258 110 3.08 3.215 19.44  1  0    3    1
6 18.7   8   360 175 3.15  3.44 17.02  0  0    3    2
7 18.1   6   225 105 2.76  3.46 20.22  1  0    3    1
8 14.3   8   360 245 3.21  3.57 15.84  0  0    3    4
9 24.4   4 146.7  62 3.69  3.19    20  1  0    4    2
 [ reached 'max' / getOption("max.print") -- omitted 24 rows ]

[[3]]
    V1  V2    V3  V4   V5    V6    V7 V8 V9  V10  V11
1  mpg cyl  disp  hp drat    wt  qsec vs am gear carb
2   21   6   160 110  3.9  2.62 16.46  0  1    4    4
3   21   6   160 110  3.9 2.875 17.02  0  1    4    4
4 22.8   4   108  93 3.85  2.32 18.61  1  1    4    1
5 21.4   6   258 110 3.08 3.215 19.44  1  0    3    1
6 18.7   8   360 175 3.15  3.44 17.02  0  0    3    2
7 18.1   6   225 105 2.76  3.46 20.22  1  0    3    1
8 14.3   8   360 245 3.21  3.57 15.84  0  0    3    4
9 24.4   4 146.7  62 3.69  3.19    20  1  0    4    2
 [ reached 'max' / getOption("max.print") -- omitted 24 rows ]

然后假設我們想將一個函式應用于所有資料幀——我們可以定義一個函式并使用lapply它來將它應用于串列中的所有資料幀。在這種情況下，讓我們從每個資料幀中抽取 2 行。

random_function = function(x, n) {
    sample_n(x, n)
}

my_list = lapply(my_list, function(x) random_function(x, n=2))

[[1]]
    V1 V2   V3  V4   V5   V6    V7 V8 V9 V10 V11
1 32.4  4 78.7  66 4.08  2.2 19.47  1  1   4   1
2 15.5  8  318 150 2.76 3.52 16.87  0  0   3   2

[[2]]
    V1 V2  V3  V4   V5   V6    V7 V8 V9 V10 V11
1 10.4  8 472 205 2.93 5.25 17.98  0  0   3   4
2 13.3  8 350 245 3.73 3.84 15.41  0  0   3   4

[[3]]
    V1 V2  V3  V4   V5   V6    V7 V8 V9 V10 V11
1 22.8  4 108  93 3.85 2.32 18.61  1  1   4   1
2 13.3  8 350 245 3.73 3.84 15.41  0  0   3   4

要命名結果串列，我們可以使用names()如下：

## obviously change this based on how you want to name the list
library(stringr)
names(my_list) = str_remove_all(my_files, "\\.txt")

我希望你能適應你的資料。

轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/481518.html

標籤：r for循环分配

上一篇：ForLoopInR不能使用Plot函式

下一篇：在R中的一組資料幀上回圈合并和函式