在用户定义的函数中进行子集化以将值分配给目标列

Question

我想编写一个函数，根据数据框中其他三个列的值替换目标列的值。

data <-data.frame("exists" = c(1,0,1,0,1,0,0,0,1,1), 
                  "specific" = c("yes", NA, "no", NA, NA, NA, NA, NA, NA, "no"), 
                  "general" = c(NA, "yes", NA, "yes", "yes", NA, "no", NA, "no", NA), 
                  "therefore" = 0)

目标列是therefore，默认值为0。我可以用三行子集（或嵌套ifelse语句）手动给therefore赋值，但我已经看到了避免 ifelse 分配值的建议）。

data[data["exists"] == 0, "therefore"] <- NA

data[grepl("yes", data[["specific"]], ignore.case=T), "therefore"] <- 1       

data[data["exists"] == 1 & grepl("yes", data[["general"]], ignore.case=T), 
"therefore"] <- 1

这给出了正确的输出：

> data["therefore"]
   therefore
1          1
2         NA
3          0
4         NA
5          1
6         NA
7         NA
8         NA
9          0
10         0

我尝试将代码编写为一个函数，这样我就可以更轻松地将它应用于各种专栏：

fun <- function (doesitapply, string, speccol, gencol, target) {   

  data[data[doesitapply] == 0, target] <- NA

  data[grepl(string, data[[speccol]], ignore.case=T), target] <- 1

  data[data[doesitapply] == 1 & grepl(string, data[[gencol]], 
  ignore.case=T), target] <- 1    

}

当我使用我的新函数 fun() 时，没有出现任何错误，但 therefore 的默认值似乎没有变化。

fun(doesitapply = "exists", string = "yes", speccol = "specific", gencol = 
"general", target = "therefore")

> data["therefore"]
   therefore
1          0
2          0
3          0
4          0
5          0
6          0
7          0
8          0
9          0
10         0

这是否与在用户定义的函数中使用列名进行子集化有关？我尝试对函数中的所有子集实例使用 [[]] 而不是 []，但是 ...

 Error in `[[<-.data.frame`(`*tmp*`, data[[doesitapply]] == 0, target,  : 
  only a single element should be replaced

我看过 this post，但我发现很难将其答案应用到我的案例中。指导或建议表示赞赏！

Answer 1

当您的函数中的代码运行位于函数外部时（在设置您使用的所有变量之后），它会按您预期的那样工作：

doesitapply <- "exists"
string <- "yes"
speccol <- "specific"
gencol <- "general"
target <- "therefore"

data[data[doesitapply] == 0, target] <- NA
data[grepl(string, data[[speccol]], ignore.case=T), target] <- 1
data[data[doesitapply] == 1 & grepl(string, data[[gencol]], ignore.case=T), target] <- 1

这提供了与您从原始的、未参数化的代码中提供的相同的输出。但是，这在函数中不起作用，因为它会尝试更新 data.

的本地版本

您可以修改您的函数，将所有 3 行中的 <- 更改为 <<-。 <- 运算符总是在本地范围内赋值，而 <<- 运算符搜索父环境以查找具有该名称的现有变量。

而不是分配超过 3 个语句，使用 ifelse 可能更典型，这在这里是可以接受的，或者可能是 dplyr https://www.rdocumentation.org/packages/dplyr/versions/0.7.8/topics/case_when 中的 case_when 函数这避免了使用嵌套的需要。

根据您期望的值，也可以简化测试（例如避免 grepl）。

在用户定义的函数中进行子集化以将值分配给目标列

Subsetting within user-defined function to assign values to target column

r

subset

variable-assignment

user-defined-functions

dataframe