R assign/get 变量作为两个 for 循环中的 df 名称，一个有效，一个无效
R assign/get variables as df names in two for-loops, one works and one doesn't
我正在尝试使用两个 for 循环来
- 将一些 csv 文件导入数据框并
- 将我自制的函数应用于那些导入的数据框。
我搜索了 assign 和 get 函数，第一步（将 csv 导入 df）有效...
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")
}
此代码有效并使我 LineNum_101.csv 成为我想要的 df_Line101，从 101 到 918。
所以我继续尝试应用 'function_Merged(df)'（我制作的那个。它在这个问题页的末尾）并且应该使 'df_Line101' 到 'df_101_Merged'，从 101 到 918。
但是这个循环有什么问题？
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)
}
它说“错误：$ 运算符对于原子向量无效”。
好吧，我在没有循环的情况下检查了变量本身，并且
assign("dfName", paste0(("df_Line"),Lines[1]))
assign("dfMerged", paste0(("df_"),Lines[1],("_Merged")))
print(dfName)
print(dfMerged)
给了我 [1] 个“df_Line101”和 [1]“df_101_Merged”。
我尝试将我的函数与这两个赋值一起应用。我已经尝试了很多东西，但现在我什么都不知道。
get(dfMerged) <- function_Merged(get(dfName))
给我[找不到函数“get<-”]
get(dfMerged) <- function_Merged(dfName)
game ve [$运算符对原子向量无效]
dfMerged <- function_Merged(get(dfName))
有……是的。它制作了一个名为 dfMerged 的全新框架。 function_Merged 虽然有效。
我应该怎么做才能使这个 for 循环起作用？
任何帮助或建议都会非常有用。谢谢！
22/05/24 可复制版本(?idk)
首先是我使用的库（我知道其中很多实际上不会用在这段代码中，但无论如何）
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)
我的工作目录中有大约 100 个 CSV 文件。
文件名格式为“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'
每个文件如下所示：
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。
这里 On/Off/Transfer 变量是 on/off/transfered 乘坐公交线路 LineNum 的人数。例如在20-01-02，有15623人乘坐了311路公交车。
现在我正在通过三个步骤处理数据：
- 仅获取工作日（周二、周三、周四）数据
function_Workdays <- function(dataframe) {
tempDF <- dataframe
tempDF$Date <- as.Date(tempDF$Date)
tempDF$Days <- weekdays(tempDF$Date)
tempDF$Workdays <- factor(tempDF$Days %in% c("화요일", "수요일", "목요일") )
# 화요일, 수요일, 목요일 means Tue, Wed, Thu each in Korean
tempDF <- subset(tempDF, Workdays==T)
return(tempDF)
rm(tempDF)
}
df_Line311_Workdays <- function_Workdays(df_Line311)
head(df_Line311_Workdays, 5)
A data.frame: 5 × 7
Date On Off Transfer LineNum Days Workdays
<date> <int> <int> <int> <int> <chr> <fct>
1 2020-01-02 15623 12250 3288 311 목요일 TRUE
6 2020-01-07 14779 11510 3125 311 화요일 TRUE
7 2020-01-08 15571 12315 3433 311 수요일 TRUE
8 2020-01-09 15828 12773 3383 311 목요일 TRUE
13 2020-01-14 15620 12721 3354 311 화요일 TRUE
- 将“stats”包中的 运行 媒体函数 (RunMed) 应用于 On 值以进行平滑处理
function_Runmed <- function(dataframe) {
tempDF <- dataframe
tempDF$On_RunMed <- runmed(tempDF$On, 7)
return(tempDF)
rm(tempDF)
}
df_Line311_Runmed <- function_Runmed(df_Line311_Workdays)
head(df_Line311_Runmed, 5)
Date On Off Transfer LineNum Days Workdays On_RunMed
<date> <int> <int> <int> <int> <chr> <fct> <dbl>
1 2020-01-02 15623 12250 3288 311 목요일 TRUE 15571
6 2020-01-07 14779 11510 3125 311 화요일 TRUE 15571
7 2020-01-08 15571 12315 3433 311 수요일 TRUE 15571
8 2020-01-09 15828 12773 3383 311 목요일 TRUE 15604
13 2020-01-14 15620 12721 3354 311 화요일 TRUE 15571
- 在统计包中也应用 Loess 函数
function_Loess <- function(dataframe) {
tempDF <- dataframe
tempDF$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 목요일 TRUE 15571 18263 15115.58 293.1331
6 2020-01-07 14779 11510 3125 311 화요일 TRUE 15571 18268 15437.50 210.3811
7 2020-01-08 15571 12315 3433 311 수요일 TRUE 15571 18269 15484.75 197.0860
8 2020-01-09 15828 12773 3383 311 목요일 TRUE 15604 18270 15526.54 184.9781
13 2020-01-14 15620 12721 3354 311 화요일 TRUE 15571 18275 15656.93 143.0892
然后我合并了这三个...
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 목요일 TRUE 15571 18263 15115.58 293.1331
6 2020-01-07 14779 11510 3125 311 화요일 TRUE 15571 18268 15437.50 210.3811
7 2020-01-08 15571 12315 3433 311 수요일 TRUE 15571 18269 15484.75 197.0860
8 2020-01-09 15828 12773 3383 311 목요일 TRUE 15604 18270 15526.54 184.9781
13 2020-01-14 15620 12721 3354 311 화요일 TRUE 15571 18275 15656.93 143.0892
对于最后一步，我想要数据框中工作目录中的所有这些 csv 文件，并以相同的 df 名称形式应用此合并函数（当然是自动的。这就是让我尝试分配和获取的原因for 循环中的函数)
多亏了我得到的答案，使用数据框列表比那些分配-获取的东西要容易得多。我成功地生成了所有 csv 文件并将我的合并函数应用于它们。
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
但我需要这些数据帧从列表中退出，以便在应用合并函数后拥有自己的数据帧名称。我怎样才能做到这一点？有什么方法可以使用自动名称导出列表中的每个数据框？ （我希望我的列表元素具有名称 df_101_Merged、df_102_Merged、...等等。）嗯...我可以在每个 df 中使用 LineNum 数据吗？
您没有提供可重现的示例，但我将编造一些数据并展示使用列表比 assign 和 get 更好。
## each is just mtcars
my_files = c("mtcars.1.txt", "mtcars.2.txt", "mtcars.3.txt")
我们可以像这样创建一个 list 数据框：
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 ]
然后假设我们想要将一个函数应用到所有数据帧——我们可以定义一个函数并使用lapply将它应用到列表中的所有数据帧。在这种情况下，我们只从每个数据框中采样 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
要命名结果列表，我们可以使用 names()，例如：
## obviously change this based on how you want to name the list
library(stringr)
names(my_list) = str_remove_all(my_files, "\.txt")
希望您能根据自己的数据进行调整。
我正在尝试使用两个 for 循环来
- 将一些 csv 文件导入数据框并
- 将我自制的函数应用于那些导入的数据框。
我搜索了 assign 和 get 函数，第一步（将 csv 导入 df）有效...
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")
}
此代码有效并使我 LineNum_101.csv 成为我想要的 df_Line101，从 101 到 918。
所以我继续尝试应用 'function_Merged(df)'（我制作的那个。它在这个问题页的末尾）并且应该使 'df_Line101' 到 'df_101_Merged'，从 101 到 918。 但是这个循环有什么问题？
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)
}
它说“错误：$ 运算符对于原子向量无效”。
好吧，我在没有循环的情况下检查了变量本身，并且
assign("dfName", paste0(("df_Line"),Lines[1]))
assign("dfMerged", paste0(("df_"),Lines[1],("_Merged")))
print(dfName)
print(dfMerged)
给了我 [1] 个“df_Line101”和 [1]“df_101_Merged”。
我尝试将我的函数与这两个赋值一起应用。我已经尝试了很多东西，但现在我什么都不知道。
get(dfMerged) <- function_Merged(get(dfName))
给我[找不到函数“get<-”]
get(dfMerged) <- function_Merged(dfName)
game ve [$运算符对原子向量无效]
dfMerged <- function_Merged(get(dfName))
有……是的。它制作了一个名为 dfMerged 的全新框架。 function_Merged 虽然有效。
我应该怎么做才能使这个 for 循环起作用？ 任何帮助或建议都会非常有用。谢谢！
22/05/24 可复制版本(?idk)
首先是我使用的库（我知道其中很多实际上不会用在这段代码中，但无论如何）
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)
我的工作目录中有大约 100 个 CSV 文件。 文件名格式为“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'
每个文件如下所示：
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。
这里 On/Off/Transfer 变量是 on/off/transfered 乘坐公交线路 LineNum 的人数。例如在20-01-02，有15623人乘坐了311路公交车。
现在我正在通过三个步骤处理数据：
- 仅获取工作日（周二、周三、周四）数据
function_Workdays <- function(dataframe) {
tempDF <- dataframe
tempDF$Date <- as.Date(tempDF$Date)
tempDF$Days <- weekdays(tempDF$Date)
tempDF$Workdays <- factor(tempDF$Days %in% c("화요일", "수요일", "목요일") )
# 화요일, 수요일, 목요일 means Tue, Wed, Thu each in Korean
tempDF <- subset(tempDF, Workdays==T)
return(tempDF)
rm(tempDF)
}
df_Line311_Workdays <- function_Workdays(df_Line311)
head(df_Line311_Workdays, 5)
A data.frame: 5 × 7
Date On Off Transfer LineNum Days Workdays
<date> <int> <int> <int> <int> <chr> <fct>
1 2020-01-02 15623 12250 3288 311 목요일 TRUE
6 2020-01-07 14779 11510 3125 311 화요일 TRUE
7 2020-01-08 15571 12315 3433 311 수요일 TRUE
8 2020-01-09 15828 12773 3383 311 목요일 TRUE
13 2020-01-14 15620 12721 3354 311 화요일 TRUE
- 将“stats”包中的 运行 媒体函数 (RunMed) 应用于 On 值以进行平滑处理
function_Runmed <- function(dataframe) {
tempDF <- dataframe
tempDF$On_RunMed <- runmed(tempDF$On, 7)
return(tempDF)
rm(tempDF)
}
df_Line311_Runmed <- function_Runmed(df_Line311_Workdays)
head(df_Line311_Runmed, 5)
Date On Off Transfer LineNum Days Workdays On_RunMed
<date> <int> <int> <int> <int> <chr> <fct> <dbl>
1 2020-01-02 15623 12250 3288 311 목요일 TRUE 15571
6 2020-01-07 14779 11510 3125 311 화요일 TRUE 15571
7 2020-01-08 15571 12315 3433 311 수요일 TRUE 15571
8 2020-01-09 15828 12773 3383 311 목요일 TRUE 15604
13 2020-01-14 15620 12721 3354 311 화요일 TRUE 15571
- 在统计包中也应用 Loess 函数
function_Loess <- function(dataframe) {
tempDF <- dataframe
tempDF$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 목요일 TRUE 15571 18263 15115.58 293.1331
6 2020-01-07 14779 11510 3125 311 화요일 TRUE 15571 18268 15437.50 210.3811
7 2020-01-08 15571 12315 3433 311 수요일 TRUE 15571 18269 15484.75 197.0860
8 2020-01-09 15828 12773 3383 311 목요일 TRUE 15604 18270 15526.54 184.9781
13 2020-01-14 15620 12721 3354 311 화요일 TRUE 15571 18275 15656.93 143.0892
然后我合并了这三个...
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 목요일 TRUE 15571 18263 15115.58 293.1331
6 2020-01-07 14779 11510 3125 311 화요일 TRUE 15571 18268 15437.50 210.3811
7 2020-01-08 15571 12315 3433 311 수요일 TRUE 15571 18269 15484.75 197.0860
8 2020-01-09 15828 12773 3383 311 목요일 TRUE 15604 18270 15526.54 184.9781
13 2020-01-14 15620 12721 3354 311 화요일 TRUE 15571 18275 15656.93 143.0892
对于最后一步，我想要数据框中工作目录中的所有这些 csv 文件，并以相同的 df 名称形式应用此合并函数（当然是自动的。这就是让我尝试分配和获取的原因for 循环中的函数)
多亏了我得到的答案，使用数据框列表比那些分配-获取的东西要容易得多。我成功地生成了所有 csv 文件并将我的合并函数应用于它们。
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
但我需要这些数据帧从列表中退出，以便在应用合并函数后拥有自己的数据帧名称。我怎样才能做到这一点？有什么方法可以使用自动名称导出列表中的每个数据框？ （我希望我的列表元素具有名称 df_101_Merged、df_102_Merged、...等等。）嗯...我可以在每个 df 中使用 LineNum 数据吗？
您没有提供可重现的示例，但我将编造一些数据并展示使用列表比 assign 和 get 更好。
## each is just mtcars
my_files = c("mtcars.1.txt", "mtcars.2.txt", "mtcars.3.txt")
我们可以像这样创建一个 list 数据框：
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 ]
然后假设我们想要将一个函数应用到所有数据帧——我们可以定义一个函数并使用lapply将它应用到列表中的所有数据帧。在这种情况下，我们只从每个数据框中采样 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
要命名结果列表，我们可以使用 names()，例如：
## obviously change this based on how you want to name the list
library(stringr)
names(my_list) = str_remove_all(my_files, "\.txt")
希望您能根据自己的数据进行调整。