嵌套列表不适合操作vector中的单个元素吗？

zaqlnxep  于 2024-01-03  发布在  其他
关注(0)|答案(1)|浏览(176)

我有以下代码：

  1. for(i in 1:length(hh_temp)){
  2.   hh_temp_save = hh_temp[[i]]
  3.   for(j in 4:nrow(hh_temp_save)){
  4.     hh_temp_save$max_min_sum_5days[j] = ifelse(sum(hh_temp_save$max_min_sum[(j-4):j])>2,1,0)
  5.     hh_temp[[i]] = hh_temp_save
  6.  }
  7. }

字符串
其中hh_temp是一个长度（hh_temp）= 12的列表，hh_temp中的每个元素都是一个嵌套框。
我试图将for循环转换为嵌套的apply，但我发现，

  1. lapply(hh_temp,\(x){
  2.   x = lapply(32:nrow(x),\(y){
  3.              x$max_min_sum_5days[y] = ifelse(sum(x$max_min_sum[(y-4):y])>2,1,0)
  4.              x
  5.              })
  6.   return(x)
  7.                })

型
我只能返回操作过的vector而不是整个数据集。有没有办法返回整个数据集？这是否意味着嵌套的lapply不适合操作vector中的单个元素？
很抱歉，我无法提供数据集的详细信息，可以提供一些描述性统计数据：

  1. > str(hh_temp)
  2. List of 12
  3.  $ : tibble [3,684 × 36] (S3: tbl_df/tbl/data.frame)
  4.   ..$ max_min_sum                                      : num [1:3684] 0 0 0 0 0 0 0 0 0 0 ...
  5.   ..$ max_min_sum_5days                                : num [1:3684] NA NA NA NA NA NA NA NA NA NA ...
  6.  $ : tibble [3,684 × 36] (S3: tbl_df/tbl/data.frame)
  7.   ..$ max_min_sum                                      : num [1:3684] 0 0 0 0 0 0 0 0 0 0 ...
  8.   ..$ max_min_sum_5days                                : num [1:3684] NA NA NA NA NA NA NA NA NA NA ...
  10. #repeated for 12 times
  11. #max_min_sum is a binary variable

型
示例数据：

  1. df = data.frame(a = as.factor(c(1,1,1,1,0,0,0,0,1,1,1,1,1,0,0,1,0,1)),
  2.                 b = rep(NA,18))
  4. sample_list = list(df,df,df,df,df,df)

型
我的预期结果是计算a中5个连续元素的累积和，然后如果连续和大于2，则B中相应的元素将被重新编码为1，否则为0。
| 一|B|
| --|--|
| 1 |NA|
| 1 |NA|
| 1 |NA|
| 1 |NA|
| 0 | 1 |
| 0 | 1 |
| 0 | 0 |
在a中的第5个元素中，由于有4个1s和1个0，因此，连续和大于2，B中的相应元素将被重新编码为1。

r

1条答案

按热度按时间
vxqlmq5t

vxqlmq5t1#

我的预期结果是计算a中5个连续元素的累积和，然后如果连续和大于2，则B中相应的元素将被重新编码为1，否则为0。
如果a是一个因子变量，我们需要预先运行as.numeric(as.character(a))来强制a为数值。我们可以使用{zoo}中的rollsum()进行滚动求和计算。
使用lapply()的解决方案适用于稍微修改的样本数据。

验证码

  1. # sample_list = 
  2.   lapply(sample_list, 
  3.          \(x) { x$b = ifelse(
  4.            zoo::rollsum(as.numeric(as.character(x$a)), 
  5.                         k = 5, fill = NA, align = "right") > 2L, 1L, 0L)
  6.          x})

字符串
或者像@G. Grothendieck建议的那样，以更紧凑的方式，

  1. lapply(sample_list, transform, 
  2.        b = +(zoo::rollsumr(as.numeric(as.character(a)), k = 5L, fill = NA) > 2L))

型

结果

  1. #> [[1]]
  2. #>    a  b
  3. #> 1  1 NA
  4. #> 2  1 NA
  5. #> 3  1 NA
  6. #> 4  1 NA
  7. #> 5  0  1
  8. #> 6  0  1
  9. #> 7  0  0
  10. #> 8  0  0
  11. #> 9  1  0
  12. #> 10 1  0
  13. #> 11 1  1
  14. #> 12 1  1
  15. #> 13 1  1
  16. #> 14 0  1
  17. #> 15 0  1
  18. #> 16 1  1
  19. #> 17 0  0
  20. #> 18 1  0
  21. #> 
  22. #> [[2]]
  23. #>    a  b
  24. #> 1  1 NA
  25. #> 2  2 NA
  26. #> 3  3 NA
  27. #> 4  4 NA
  28. #> 5  5  1
  29. #> 6  6  1
  30. #> 7  7  1
  31. #> 8  8  1
  32. #> 9  1  1
  33. #> 10 1  1
  34. #> 11 1  1
  35. #> 12 1  1
  36. #> 13 1  1
  37. #> 14 1  1
  38. #> 15 1  1
  39. #> 16 1  1
  40. #> 17 1  1
  41. #> 18 1  1
  42. #> 
  43. #> [[3]]
  44. #>    a  b
  45. #> 1  1 NA
  46. #> 2  1 NA
  47. #> 3  1 NA
  48. #> 4  1 NA
  49. #> 5  0  1
  50. #> 6  0  1
  51. #> 7  0  0
  52. #> 8  0  0
  53. #> 9  1  0
  54. #> 10 1  0
  55. #> 11 1  1
  56. #> 12 1  1
  57. #> 13 1  1
  58. #> 14 0  1
  59. #> 15 0  1
  60. #> 16 1  1
  61. #> 17 0  0
  62. #> 18 1  0
  63. #> 
  64. #> [[4]]
  65. #>    a  b
  66. #> 1  1 NA
  67. #> 2  1 NA
  68. #> 3  1 NA
  69. #> 4  1 NA
  70. #> 5  0  1
  71. #> 6  0  1
  72. #> 7  0  0
  73. #> 8  0  0
  74. #> 9  1  0
  75. #> 10 1  0
  76. #> 11 1  1
  77. #> 12 1  1
  78. #> 13 1  1
  79. #> 14 0  1
  80. #> 15 0  1
  81. #> 16 1  1
  82. #> 17 0  0
  83. #> 18 1  0
  84. #> 
  85. #> [[5]]
  86. #>    a  b
  87. #> 1  1 NA
  88. #> 2  1 NA
  89. #> 3  1 NA
  90. #> 4  1 NA
  91. #> 5  0  1
  92. #> 6  0  1
  93. #> 7  0  0
  94. #> 8  0  0
  95. #> 9  1  0
  96. #> 10 1  0
  97. #> 11 1  1
  98. #> 12 1  1
  99. #> 13 1  1
  100. #> 14 0  1
  101. #> 15 0  1
  102. #> 16 1  1
  103. #> 17 0  0
  104. #> 18 1  0
  105. #> 
  106. #> [[6]]
  107. #>    a  b
  108. #> 1  1 NA
  109. #> 2  1 NA
  110. #> 3  1 NA
  111. #> 4  1 NA
  112. #> 5  0  1
  113. #> 6  0  1
  114. #> 7  0  0
  115. #> 8  0  0
  116. #> 9  1  0
  117. #> 10 1  0
  118. #> 11 1  1
  119. #> 12 1  1
  120. #> 13 1  1
  121. #> 14 0  1
  122. #> 15 0  1
  123. #> 16 1  1
  124. #> 17 0  0
  125. #> 18 1  0

型

修改数据

  1. df = data.frame(a = as.factor(c(1,1,1,1,0,0,0,0,1,1,1,1,1,0,0,1,0,1)),
  2.                 b = rep(NA,18))
  3. df2 = data.frame(a = as.factor(c(1:8, rep(1, 5), rep(1,5))), 
  4.                  b = rep(NA,18))
  5. sample_list = list(df,df2,df,df,df,df)

型
创建于2023-12-08带有reprex v2.0.2

编辑

如果你的数据很小，并且你不想依赖像{zoo}这样的外部软件包，你可以考虑自己编写滚动求和函数。非常基本的例子：

  1. basic_rollsum = \(x, k) {
  2.   # stopifnot(is.numeric(x), is.integer(k))
  3.   res = rep(NA, length(x))
  4.   for (i in seq_along(x)) 
  5.     # adjust indexing if needed 
  6.     # look at na.rm-argument of sum
  7.     if (i > k) res[i] = sum( x[(i-k+1L):(i)] )
  8.   res
  9. }
  10. lapply(sample_list, 
  11.        \(x) { x$b = ifelse(
  12.          basic_rollsum(as.numeric(as.character(x$a)), k = 5L) > 2L, 1L, 0L)
  13.        x})

型

展开查看全部
赞(0）分享  回复(0）举报  2024-01-03
我来回答

相关问题

    查看更多

    热门标签

    更多
    JavaquerypythonNode开发语言requestUtil数据库Table后端算法LoggerMessageElementParser

    最新问答

    更多
    • 蜀ICP备13028337号-1 大数据知识库 https://www.saoniuhuo.com © All rights reserved
    • 本站内容来源互联网,如果侵犯您的权益请联系我们删除, 联系方式：448109455@qq.com