tbl_df 和 data.frame 使用循环时的区别

Question

我一直在循环遍历 dplyr tbl_df 中的值，试图打印两列的唯一组合。经过多次试验和错误后，我只能通过将 tbl_df 转换回标准 data.frame 来准确获得所需的输出。我知道这两种结构之间的主要区别，但我仍然无法理解每种结构的不同输出。

例如使用这个数据

hospital <- rep(c("Hospital 1", "Hospital 2", "Hospital 3"), 3)
ward <- LETTERS[1:2]
hospitals <- data.frame(cbind(hospital, ward))
hospitals[order(hospitals$hospital, hospitals$ward), ]

#     hospital ward
# 1 Hospital 1    A
# 7 Hospital 1    A
# 4 Hospital 1    B
# 5 Hospital 2    A
# 2 Hospital 2    B
# 8 Hospital 2    B
# 3 Hospital 3    A
# 9 Hospital 3    A
# 6 Hospital 3    B

和下面的循环

for(hosp in unique(hospitals$hospital)){
  for(wa in unique(hospitals[hospitals$hospital==hosp, "ward"])){
    print(paste(hosp, wa, sep=" "))
    }
  }

我可以得到我想要的输出

#[1] "Hospital 1 A"
#[1] "Hospital 1 B"
#[1] "Hospital 2 B"
#[1] "Hospital 2 A"
#[1] "Hospital 3 A"
#[1] "Hospital 3 B"

但是使用相同数据的 tbl_df 我得到不同的输出

hospitals2 <- tbl_df(hospitals)

for(hosp in unique(hospitals2$hospital)){
  for(wa in unique(hospitals2[hospitals2$hospital==hosp, "ward"])){
    print(paste(hosp, wa, sep=" "))
    }
  }


#[1] "Hospital 1 A" "Hospital 1 B"
#[1] "Hospital 2 B" "Hospital 2 A"
#[1] "Hospital 3 A" "Hospital 3 B"

这不仅仅是打印上的差异，这似乎是三个二元素向量而不是六个单元素向量，而且我的后续代码仅在运行正常数据帧上的循环时才按预期工作.

谁能解释为什么我会看到这些差异？

Answer 1

您不能在 tbl_df 上使用子集 [ 执行 for loop。文档说明了一切：

[ Never simplifies (drops), so always returns data.frame.

你看hospitals2[hospitals2$hospital==hosp, "ward"]returnsdata.frame

hospitals2[hospitals2$hospital==hosp, "ward"]
#Source: local data frame [3 x 1]

#  ward
#1    A
#2    B
#3    A

而

hospitals[hospitals$hospital==hosp, "ward"]
#[1] A B A
#Levels: A B

使用[[提取列向量，例如

for(hosp in unique(hospitals2$hospital)){
    for(wa in unique(hospitals[hospitals$hospital==hosp,][["ward"]])){
        print(paste(hosp, wa, sep=" "))
    }
} 
#[1] "Hospital 1 A"
#[1] "Hospital 1 B"
#[1] "Hospital 2 B"
#[1] "Hospital 2 A"
#[1] "Hospital 3 A"
#[1] "Hospital 3 B"

tbl_df 和 data.frame 使用循环时的区别

tbl_df and data.frame difference when using loops

r

dplyr