r语言 - 使用For循环或Apply改变多个数据框的多个列

Question

我正试图使用循环或应用家庭解决方案的下一个问题。我有几个数据帧，如:

df1 <- data.frame(a = c(1,2,3,NA,NA,NA,NA,NA,9,NA),b = c(1,2,3,4,NA,NA,NA,8,9,10),c = c(1,2,3,NA,NA,NA,7,8,NA,NA))
df2 <- data.frame(a = c(1,2,3,4,5,6,NA,NA,NA,10),b = c(1,2,3,4,NA,NA,NA,8,9,10),c = c(1,2,3,NA,NA,NA,7,8,NA,NA))
df5 <- data.frame(a = c(1,2,3,4,5,6,NA,NA,9,10),b = c(1,2,3,4,5,6,NA,8,9,10),c = c(1,2,3,NA,NA,NA,7,8,9,NA)) 

我想用na。大约用来填补一些NA的空白。我的想法是:

l <- c(1,2,5)
for (i in l){
df[[i]] <- df[[i]] %>% mutate(a = na.approx(a, na.rm = FALSE))
df[[i]] <- df[[i]] %>% mutate(b = na.approx(b, na.rm = FALSE))
df[[i]] <- df[[i]] %>% mutate(c = na.approx(c, na.rm = FALSE))
}

在这个例子中，我得到了以下错误:

Error in UseMethod("mutate") : 
no applicable method for 'mutate' applied to an object of class "c('double', 'numeric')"

和我的实际数据，我得到这个错误:

Error in `vectbl_as_col_location2()`:
! Can't extract columns past the end.
i Location 13101 doesn't exist.
i There are only 16 columns.

,"13101";将是名为"df13101"的数据框架的一部分。

当我检查class of dataframes时，我得到

[1] "data.frame" 

这里是但是我的实际数据帧是

[1] "grouped_df" "tbl_df"     "tbl"        "data.frame"

，当我检查每个变量的类型时，我想要改变的都是数字(示例和实数)。

我需要了解如何正确调用这些数据框架，以及由于数据类或mutate的使用而可能面临的问题。我试过用mapply，但我对R很陌生，我对整个应用程序家族几乎没有了解。

任何帮助将是伟大的，感谢阅读!

Answer 1

问题中的代码有这些问题:

1. df[[1]]与df1不相同。第一个是指df的第一列(不存在)，第二个是有效的输入。相反，如果e是df1等所在的环境，那么我们可以根据字符串"df1"将df1称为e[["df1"]]。
2. 没有必要单独应用na.approx到每一列，因为na.approx可以一次处理整个数字数据帧。
3. 这对你来说可能是也可能不是问题，但请注意，代码覆盖df1等，所以如果你想在运行它后再次测试它，那么就有必要重新创建原始的df1等。您可能希望使用如下面的第二种方法所示的列表。

下面我们假设输入数据帧位于全局环境中，即位于您的工作区中。(如果数据帧在当前而不是全局环境中，则将e <- ...行替换为e <- environment()行。如果数据帧仅定义并位于函数中，并且它们在同一函数中被引用，则会出现这种情况

e[[nm]]是指环境e中的对象，其名称由nm变量中保存的字符串的值给出。然后我们将na.approx应用于此并将其分配回来。注意，na.approx在应用于data.frame时返回一个矩阵，因此我们在左侧使用[]将矩阵中的值插入到数据帧中。

library(zoo)
e <- .GlobalEnv
nms <- paste0("df", l)
for (nm in nms) e[[nm]][] <- na.approx(e[[nm]], na.rm = FALSE)

或者将数据帧放入命名列表L

L <- mget(nms) # nms defined above
for (nm in nms) L[[nm]][] <- na.approx(L[[nm]], na.rm = FALSE)    

Answer 2

如果数据框存储在列表中，则更容易做到这一点。然后可以将该函数应用于每个数字列。

library(dplyr)
library(zoo)
l <- c(1,2,5)
list_of_data <- mget(paste0('df', l))
list_of_data <- purrr::map(list_of_data, ~.x %>%
mutate(across(where(is.numeric), 
~na.approx(.x, na.rm = FALSE))))
list_of_data
#$df1
#    a  b  c
#1   1  1  1
#2   2  2  2
#3   3  3  3
#4   4  4  4
#5   5  5  5
#6   6  6  6
#7   7  7  7
#8   8  8  8
#9   9  9 NA
#10 NA 10 NA
#$df2
#    a  b  c
#1   1  1  1
#2   2  2  2
#3   3  3  3
#4   4  4  4
#...
#...

如果你想要新的值反映在实际的数据帧中，再次使用list2env。

list2env(list_of_data, .GlobalEnv)