r - 从一个数据帧创建多个 .csv 文件

Question

我有一个包含 286 项的列表。

length(l)
[1] 286

我想知道的是为每个列表的 .csv 子集创建一个单独的 .csv 文件

split_csv <- function(df, list) {

   setwd("dir")

    for (i in list)

    #print(i)
    df_temp <- df[df$club == i, ]
    name <- paste0("club_", i, ".csv")
    write.csv(df_temp, name)

 setwd("original_dir")

 }

但问题是我现在只得到 .csv 文件!奇怪的是，当我取消注释 #print(i) 时，它确实给了我列表中的所有项目(所以我假设循环正在工作。

有什么想法吗？

Answer 1

您的代码的主要问题是您没有使用大括号将多个语句放入循环内。从 R 的角度来看，只有第一行 ( df_temp <- df[df$club == i, ] ) 在循环内进行评估。程序的其余部分 - 包括实际将内容写入文件 - 仅在循环结束后完成。由于循环内创建的变量将被添加到全局环境中并在循环外可用，因此不会引发错误。但是，实际上，您的文件写入代码仅在循环的最后一次迭代中执行。

解决这个问题很简单:

set.seed(123)

l <- data.frame(club=sample(LETTERS[1:10], 286, TRUE),
                visitors=as.integer(runif(286, 100, 1000))
                )

split_csv <- function(df, list) {
  setwd("dir")
  for (i in list) {
    #print(i)
    df_temp <- df[df$club == i, ]
    name <- paste0("club_", i, ".csv")
    write.csv(df_temp, name)
  }
  setwd("..")
}

split_csv(l, LETTERS[1:3])
list.files("dir/")
# [1] "club_A.csv" "club_B.csv" "club_C.csv"

但是让我们以您的问题为契机，看看如何改进此代码。

by function可用于将 data.frame 分割为给定因子(或多个因子，但让我们保持简单)中具有相同值的子集。您可以在该子集上运行任何函数 - 包括自定义(和匿名)函数。

split_csv2 <- function(df, list) {
  by(df, df$club, function(x) {
      # `x` is subset of df with one value in `club`
      # assign current "club" value for further reference
      i <- x[1, "club"]
      # don't do anything else if current club is not in list of allowed clubs
      if (! i %in% list) return()

      name <- paste0("dir/club_", i, ".csv")
      write.csv(x, name)
    }
  )
}

invisible(split_csv2(l, LETTERS[2:4])) # discard output - it's not helpful anyway
list.files("dir/")
# [1] "club_B.csv" "club_C.csv" "club_D.csv"

这种方法有两个主要优点:

1. 我们不再将整个数据帧列与每次循环迭代中的某些值进行比较，从而使其速度显着加快。当然，对于这个数量级的数据帧，无法注意到任何差异。但有一天您可能想要对更大的数据集执行类似的操作。
2. R 社区通常不赞成循环^{[需要引用]}。感谢apply family of functions ，很少需要它们。熟悉这些函数是掌握 R 之旅中最重要的步骤之一。

另外:

• 在你的函数中，你的第二个参数将遮盖 list function用于创建列表(基本 R 数据结构之一)。在更复杂的情况下，这可能会导致意外行为和难以调试的问题。最好完全避免这种情况。
• 这是非常主观的，但许多开发人员会告诉您，在函数内更改目录并不是一个好的做法。