![](/img/trans.png)
[英]Generating new columns in an R dataframe based on applying a function across multiple columns
[英]Applying R function over multiple columns and generating output
我正在尝试生成一个新的数据框,它基于另一个数据框的值。
我的旧数据框具有每个变量和观察值的平均值,如下所示:
var1 var2 var3
#1: 2.1 3.4 2.7
#2 1.1 3.6 2.2
#3 2.9 1.7 2.7
data <- structure(list(var1 = c(2.1, 1.1, 2.9), var2 = c(3.4, 3.6, 1.7
), var3 = c(2.7, 2.2, 2.7)), class = "data.frame", row.names = c(NA, -3L))
我的目标是创建一个数据框,该数据框应包含原始数据框中每个观测值的 10 个观测值。 这些观察结果应该复制平均值。 它应该是这样的
var 1 var 2 var 3
#1 2 3 2
#1 2 3 2
#1 2 3 2
#1 2 3 3
#1 2 3 3
#1 2 3 3
#1 2 4 3
#1 2 4 3
#1 2 4 3
#1 3 4 3
现在为了创建这些观察,我正在使用这个函数:
my_func <- function(y){
wert <- y
werte <- wert
werte2 <- floor(werte)
werte3 <- floor(werte)+1
werte4 <- round((werte-werte2)*10)
werte5 <- round(10-(werte-floor(werte))*10)
y <- as.vector(rep(werte2,werte5))
z <- as.vector(rep(werte3,werte4))
b <- c(y,z)
b
}
之后,我将此函数应用于数据并将其存储到列表中:
myList<- list()
for (i in 1:ncol){
pp <- lapply(data[,i],my_func)
myList[[i]] <- pp
}
不幸的是,我在执行此操作时遇到错误:
rep(werte2,werte5) 中的错误:'times' 参数无效
调用自:as.vector(rep(werte2,werte5))
有没有办法解决这个问题或更好的方法?
尝试这个:
my_func <- function(x) {
int_x <- as.integer(floor(x))
dec_x <- as.integer(x * 10 - int_x * 10)
out <- vapply(
seq_along(x),
function(i, a, b) rep(a[[i]], 10L) + c(rep(0L, 10L - b[[i]]), rep(1L, b[[i]])),
integer(10L), int_x, dec_x
)
`attributes<-`(out, NULL)
}
as.data.frame(lapply(df, my_func))
输出
> as.data.frame(lapply(df, my_func))
var1 var2 var3
1 2 3 2
2 2 3 2
3 2 3 2
4 2 3 3
5 2 3 3
6 2 3 3
7 2 4 3
8 2 4 3
9 2 4 3
10 3 4 3
11 1 3 2
12 1 3 2
13 1 3 2
14 1 3 2
15 1 4 2
16 1 4 2
17 1 4 2
18 1 4 2
19 1 4 3
20 2 4 3
21 2 1 2
22 3 1 2
23 3 1 2
24 3 2 3
25 3 2 3
26 3 2 3
27 3 2 3
28 3 2 3
29 3 2 3
30 3 2 3
我认为您需要这样的功能:
unmean <- function(vec, n = 10) {
as.numeric(sapply(vec, function(x) {
c(rep(floor(x), round(n * (1 - x %% 1))),
rep(ceiling(x), round(n * (x %% 1))))
}))
}
这允许您执行以下操作,例如:
unmean(2.5, n = 2)
#> [1] 2 3
unmean(3.2, n = 5)
#> [1] 3 3 3 3 4
unmean(c(2.1, 6.7), 10)
#> [1] 2 2 2 2 2 2 2 2 2 3 6 6 6 7 7 7 7 7 7 7
因此,对于您的解决方案,您将执行以下操作:
as.data.frame(lapply(data, unmean))
#> var1 var2 var3
#> 1 2 3 2
#> 2 2 3 2
#> 3 2 3 2
#> 4 2 3 3
#> 5 2 3 3
#> 6 2 3 3
#> 7 2 4 3
#> 8 2 4 3
#> 9 2 4 3
#> 10 3 4 3
#> 11 1 3 2
#> 12 1 3 2
#> 13 1 3 2
#> 14 1 3 2
#> 15 1 4 2
#> 16 1 4 2
#> 17 1 4 2
#> 18 1 4 2
#> 19 1 4 3
#> 20 2 4 3
#> 21 2 1 2
#> 22 3 1 2
#> 23 3 1 2
#> 24 3 2 3
#> 25 3 2 3
#> 26 3 2 3
#> 27 3 2 3
#> 28 3 2 3
#> 29 3 2 3
#> 30 3 2 3
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.