r语言 - 用于在数据帧行之间遍历以查找变量的频率计数

Question

如何使用 for 循环在数据帧的行内遍历。

我正在编写代码来查找颜色为"E"的钻石的频率。但相反，我正在获取所有行的频率计数。以下是代码片段：

dataframe1 <- data.frame(diamonds)
cntx <- function() {
cnt <- 0
for(i in 1:nrow(dataframe1)) {
if(dataframe1$color == "E") cnt <- cnt+1
}
return(cnt)
}

Answer 1

我从您的代码中收到以下警告：

Warning messages:
1: In if (dataframe1$color == "E") { :
the condition has length > 1 and only the first element will be used

问题是数据帧 1$color 是数据帧 1 行数长度的向量。您正在比较长度为 x 的向量与长度为 1 的"向量"("E")。因此，R 仅使用比较产生的布尔向量的第一个元素。第一个元素似乎是"True"。由于语句始终为"True"，因此它只是计算每一行。

以下情况如何？

dataframe1 <- data.frame(color = c("E", "F", "E", "F"))
sum(dataframe1$color == "E")

Answer 2

在这种情况下不需要循环。这里有一些方法可以做到这一点：

基数 R：

table(diamonds$color)

哈德利宇宙

library(tidyverse)
diamonds %>%
count(color)

如果你坚持循环：

cntx <- function(c){
cnt <- 0
for (i in 1:nrow(c)) {
if (c$color[i] == "E") cnt <- cnt+1 #you forgot the i
}
return (cnt)
}
cntx(diamonds)

您忘记了循环中的 [i]，因此每次计算整个布尔向量c$color == "E"并且只有第一个元素(即 T)用于求值时，因此出现警告：

1: In if (c$color == "E") cnt <- cnt + 1 :
the condition has length > 1 and only the first element will be used

结果相当于i数。

Answer 3

正如其他人所提到的，有许多工具可以用更少的击键来解决这个问题。

我个人更喜欢data.table解决方案：

library(data.table)
x <- as.data.table(diamonds)
x[color == "E",.N]

返回以下内容

[1] 9797

更复杂的查询几乎不需要任何额外的击键。

x[,.(Count = .N), by = .(color)]

返回

color   count
E       9797            
I       5422            
J       2808            
H       8304            
F       9542            
G       11292           
D       6775

或

x[price > 10000,.(carat = mean(carat)), by = .(color)]

返回

color   carat
J       2.146045            
E       1.523220            
G       1.638468            
F       1.538835            
I       1.980648            
D       1.463780            
H       1.866069