R for循环索引问题

Question

我是 R 新手，正在练习编写 R 函数。我有 100 个单独的简历 数据文件存储在我的目录中，每个文件都用它的 id 标记，例如“1”到“100”。 我喜欢编写一个函数，将一些选定的文件读入 R，计算 每个数据文件中完整案例的数量，并将结果排列到数据框中。 下面是我写的函数。首先我读取“dat”中的所有文件。然后，使用 rbind 函数，我将所需的选定文件读入 data.frame 中。最后我计算了 使用 sum(complete.cases()) 计算完整案例的数量。这看起来很简单，但是 该功能不起作用。我怀疑索引有问题，但是 还没弄清楚为什么。搜索了各种主题，但找不到有用的 回答。非常感谢!

 `complete = function(directory,id) {
  dat = list.files(directory, full.name=T)
  dat.em = data.frame()
  for (i in id) {
    dat.ful= rbind(dat.em, read.csv(dat[i]))
    obs = numeric()
    obs[i] = sum(complete.cases(dat.ful[dat.ful$ID == i,]))
  }
  data.frame(ID = id, count = obs)
} 
complete("envi",c(1,3,5)) `

收到错误和警告消息: data.frame(ID = id, count = obs) 中的错误:参数暗示不同的行数:3, 5

Answer 1

您的代码存在一个问题，即每次执行循环时都会将 obs 重置为 numeric()，因此 obs 最终会出现只有一个值(dat 中最后一个文件中的完整案例数)。

另一个问题是 dat.ful = rbind(dat.em, read.csv(dat[i])) 行将 dat.ful 重置为仅包含在该循环迭代中读取的数据帧。这不会导致错误，但您实际上不需要存储以前的数据帧，因为您只是检查读入的每个数据帧的完整案例数。

这是使用lapply而不是循环的不同方法。请注意，该函数没有为函数提供索引向量，而是采用文件名向量。在您的示例中，您使用索引而不是文件名作为文件“id”。最好直接使用文件名，因为即使文件名是数字，如果由于某种原因文件名向量未按升序数字顺序排序，或者如果文件名不要使用连续的数字。

# Read files and return data frame with the number of complete cases in each csv file
complete = function(directory, files) {

  # Read each csv file in turn and store its name and number of complete cases 
  # in a list
  obs.list = lapply(files, function(x) {
    dat = read.csv(paste0(directory,"/", x))
    data.frame(fileName=x, count=sum(complete.cases(dat)))
  })

  # Return a data frame with the number of complete cases for each file
  return(do.call(rbind, obs.list)) 
} 

然后，要运行该函数，您需要为其提供一个目录和文件名列表。例如，要读取当前工作目录中的所有csv文件，可以这样做:

  filesToRead = list.files(pattern=".csv")

  complete(getwd(), filesToRead)