Schleife durch die Daten-Rahmen und Variablen-Namen

Ich bin auf der Suche nach einem Weg, zu automatisieren einige Diagramme in R mithilfe einer FOR-Schleife:

dflist <- c("dataframe1", "dataframe2", "dataframe3", "dataframe4")

for (i in dflist) {
  plot(i$var1, i$var2)
}

Alle dataframes haben die gleichen Variablen, d.h. var1, var2.

Scheint es for - Schleifen sind nicht die elegantesten Lösung, aber ich verstehe nicht, wie die apply Funktionen für Diagramme.

EDIT:

Meinem ursprünglichen Beispiel mit mean() half nicht in der ursprünglichen Frage, so dass ich geändert, um eine plot-Funktion.

Mit einem for Schleife ist in Ordnung. Legen Sie einfach die eigentlichen Daten.frames in einer Liste und nicht nur Ihre Namen in einen Vektor. Werden mehr lesbar, Sie könnte auch ändern die loop-Inhalte zu plot(var2~var1, data=i). Vielleicht wollen Sie aber speichern die Grundstücke (Lesen ?pdf) oder mehrere plots auf einer Diagramm-Seite (gelesen ?par).
Obwohl ich Roland Zustimmen, dass for-Schleifen sind in Ordnung, in diesem Beispiel mit einer Liste von Daten.frame ist eine wirklich gute Passform für lapply.
Ich würde auch prüfen, facetting in der ggplot2 - Paket zum erstellen von Gruppen von Parzellen.

InformationsquelleAutor Timm S. | 2013-05-23

  1. 10

    Weiter hinzufügen Beasterfield Antwort, wie es scheint, Sie wollen irgendeine Anzahl von komplexen Operationen, die auf jeder der Daten-frames.

    Ist es möglich, komplexe Funktionen innerhalb einer Anweisung anwenden. Also, wo haben Sie jetzt:

    for (i in dflist) {
  # Do some complex things
}

    Übersetzt bedeutet dies:

    lapply(dflist, function(df) {
  # Do some complex operations on each data frame, df
  # More steps

  # Make sure the last thing is NULL. The last statement within the function will be
  # returned to lapply, which will try to combine these as a list across all data frames.
  # You don't actually care about this, you just want to run the function.
  NULL
})

    Konkreten Beispiel mit plot:

    # Assuming we have a data frame with our points on the x, and y axes,
lapply(dflist, function(df) {
  x2 <- df$x^2
  log_y <- log(df$y)
  plot(x,y)
  NULL
})

    Kann man auch schreiben komplexe Funktionen, die mehrere Argumente:

    lapply(dflist, function(df, arg1, arg2) {
  # Do something on each data.frame, df
  # arg1 == 1, arg2 == 2 (see next line)
}, 1, 2) # extra arguments are passed in here

    Hoffe, das hilft Ihnen heraus!

    Danke, das war sehr hilfreich und hat mir geholfen, besser zu verstehen, das Prinzip hinter dem anwenden von Funktionen!

    InformationsquelleAutor Scott Ritchie

  2. 6

    Bezüglich Ihrer eigentlichen Frage, die Sie sollten lernen, wie man Zugriff auf Zellen, Zeilen und Spalten data.frames matrixs oder lists. Von deinem code, ich vermute, Sie wollen den Zugriff auf die j'th-Spalten der Daten.Rahmen i, so sollte es Lesen:

    mean( i[,j] )
# or
mean( i[[ j ]] )

    Den $ operator kann nur verwendet werden, wenn Sie Zugriff auf eine bestimmte variable in Ihre Daten.Rahmen, z.B. i$var1. Darüber hinaus ist es weniger performant als der Zugriff auf die von [, ] oder [[]].

    Jedoch, obwohl es nicht falsch, Nutzung von for Schleifen ist es nicht sehr R ' ish. Lesen Sie über vektorisierte Funktionen und die apply Familie. So könnte der code leicht umgeschrieben als:

    set.seed(42)
dflist <- vector( "list", 5 )
for( i in 1:5 ){
  dflist[[i]] <- data.frame( A = rnorm(100), B = rnorm(100), C = rnorm(100) )
}
varlist <- c("A", "B")

lapply( dflist, function(x){ colMeans(x[varlist]) } )
    Vielen Dank - ich befürchtete, meine mittlere() Beispiel wäre zu einfach. Ich bin auf der Suche nach einer Möglichkeit zum automatischen erzeugen von streudiagrammen bezogen auf eine Reihe von dataframes (siehe änderungen im Beispiel oben); ich denke, dies ist auch möglich mit apply-Funktionen?

    InformationsquelleAutor Beasterfield

  3. 2

    Am Beispiel von @Roland, ich wollte zeigen Ihnen die ggplot2 entspricht. Zuerst müssen wir uns ändern, das datset ein bisschen:

    Zunächst die original-Daten:

    > dflist
[[1]]
           x           y
1  0.9148060 -0.10612452
2  0.9370754  1.51152200
3  0.2861395 -0.09465904
4  0.8304476  2.01842371
5  0.6417455 -0.06271410
6  0.5190959  1.30486965
7  0.7365883  2.28664539
8  0.1346666 -1.38886070
9  0.6569923 -0.27878877
10 0.7050648 -0.13332134

[[2]]
            x          y
1   0.6359504 0.33342721
2  -0.2842529 0.34674825
3  -2.6564554 0.39848541
4  -2.4404669 0.78469278
5   1.3201133 0.03893649
6  -0.3066386 0.74879539
7  -1.7813084 0.67727683
8  -0.1719174 0.17126433
9   1.2146747 0.26108796
10  1.8951935 0.51441293

    setzen und die Daten in einem Daten.frame mit einer id-Spalte

    require(reshape2)
one_df = melt(dflist, id.vars = c("x","y"))
> one_df
            x           y L1
1   0.9148060 -0.10612452  1
2   0.9370754  1.51152200  1
3   0.2861395 -0.09465904  1
4   0.8304476  2.01842371  1
5   0.6417455 -0.06271410  1
6   0.5190959  1.30486965  1
7   0.7365883  2.28664539  1
8   0.1346666 -1.38886070  1
9   0.6569923 -0.27878877  1
10  0.7050648 -0.13332134  1
11  0.6359504  0.33342721  2
12 -0.2842529  0.34674825  2
13 -2.6564554  0.39848541  2
14 -2.4404669  0.78469278  2
15  1.3201133  0.03893649  2
16 -0.3066386  0.74879539  2
17 -1.7813084  0.67727683  2
18 -0.1719174  0.17126433  2
19  1.2146747  0.26108796  2
20  1.8951935  0.51441293  2

    und machen die Handlung:

    require(ggplot2)
ggplot(one_df, aes(x = x, y = y)) + geom_point() + facet_wrap(~ L1)

    Schleife durch die Daten-Rahmen und Variablen-Namen

    InformationsquelleAutor Paul Hiemstra

  4. 1
    set.seed(42)
dflist <- list(data.frame(x=runif(10),y=rnorm(10)),
               data.frame(x=rnorm(10),y=runif(10)))

par(mfrow=c(1,2))
for (i in dflist) {
  plot(y~x, data=i)
}

    InformationsquelleAutor Roland

  5. 0

    Basierend auf Scott Ritchi Lösung, dies würde die reproduzierbare Beispiel versteckt sich auch der feedback-Nachricht von lapply:

    # split dataframe by condition on cars hp
f <- function() trunc(signif(mtcars$hp, 2) / 100)
dflist <- lapply(unique(f()), function(x) subset(mtcars, f() == x ))

    Diese teilt die mtcars dataframe ist, Teilmengen auf der Basis der hp variable classification (0 für hp niedriger als 100, 1 für die in den 100 Jahren, 2. für 200, und so weiter.)

    Und zeichnen Sie es:

    # use invisible to prevent the feedback message from lapply
invisible(
    lapply(dflist, function(df) {
    x2 <- df$mpg^2
    log_y <- log(df$hp)
    plot(x2, log_y)
    NULL
}))

    invisible() wird verhindert, dass die lapply() Nachricht:

    16 
9 
6 
1 
[[1]]
NULL

[[2]]
NULL

[[3]]
NULL

[[4]]
NULL

    Schleife durch die Daten-Rahmen und Variablen-Namen

    InformationsquelleAutor f0nzie

Schreibe einen Kommentar