[英]“recycling” error in user-defined function for data.table
我加入了兩個數據表,並根據該數據的一個子集計算平均值。 當下面的代碼不在我編寫的函數內時它可以正常運行,但是當我嘗試使用該函數時出現此錯誤:
Error in `[.data.table`(poll.name, AQ.Date >= Cdate & AQ.Date < Cdate + :
i evaluates to a logical vector length 159 but there are 2797432 rows. Recycling of logical i is no longer allowed as it hides more bugs than is worth the rare convenience. Explicitly use rep(...,length=.N) if you really need to recycle.
我的功能:
myfunc <- function(linked.dat, poll.name) {
linked.dat[,
`:=` (t1.avg = mean(poll.name[AQ.Date >= Cdate & AQ.Date < Cdate + 1], na.rm = TRUE),
t2.avg = mean(poll.name[AQ.Date >= Cdate + 1 & AQ.Date < Cdate + 2], na.rm = TRUE),
t3.avg = mean(poll.name[AQ.Date >= Cdate + 2 & AQ.Date <= Bdate], na.rm = TRUE),
total.avg = mean(poll.name)),
by = ID]
linked.pollname <- linked.dat
return(linked.pollname)
}
因此,將此函數與示例 df 一起使用將如下所示:
myfunc(df, O3)
一些數據:
df <- structure(list(O3 = c(21.1, 27.3, 23.8, 29.5, 23.8, 27.1, 31.6,
25.8, 31.2, 14, 19.1, 15.5, 15.6, 28.6, 16.9, 27.4, 30.1, 24.4,
21.2, 22.1, 26.1, 19.9), AQ.Date = structure(c(3679, 3681, 3682,
3683, 3680, 3685, 3686, 3687, 3684, 3689, 3673, 3675, 3677, 3678,
3686, 3687, 3688, 3692, 3681, 3693, 3695, 3696), class = "Date"),
ID = c("a", "a", "a", "a", "a", "a", "a", "a", "a", "a",
"a", "a", "b", "b", "b", "b", "b", "b", "b", "b", "b", "b"
), Cdate = structure(c(3673, 3673, 3673, 3673, 3673,
3673, 3673, 3673, 3673, 3673, 3673, 3673, 3677, 3677, 3677,
3677, 3677, 3677, 3677, 3677, 3677, 3677), class = "Date"),
Bdate = structure(c(3690, 3690, 3690, 3690, 3690, 3690,
3690, 3690, 3690, 3690, 3690, 3690, 3696, 3696, 3696, 3696,
3696, 3696, 3696, 3696, 3696, 3696), class = "Date"), Total_weeks = c(2.428571,
2.428571, 2.428571, 2.428571, 2.428571, 2.428571, 2.428571,
2.428571, 2.428571, 2.428571, 2.428571, 2.428571, 2.714286,
2.714286, 2.714286, 2.714286, 2.714286, 2.714286, 2.714286,
2.714286, 2.714286, 2.714286)), row.names = c(NA, -22L), class = "data.frame")
setDT(df)
我不明白這個錯誤是什么意思。 回收是指什么? 為什么它只發生在函數內? 如何調整函數以解決錯誤?
回收與如何將不同長度的向量組合成一個data.frame
(以及其他一些地方)有關。 data.frame
每一列(因此是data.table
和tbl_df
)必須具有相同的長度,並且當某些東西的長度不同時,它會被回收。
在大多數(所有?)基礎 R 函數中,只要最長的向量是較短向量的偶數倍,就會靜默地進行回收。 例如,
data.frame(x = 1, y = 1:3)
# x y
# 1 1 1
# 2 1 2
# 3 1 3
data.frame(x = 1:2, y = 1:4)
# x y
# 1 1 1
# 2 2 2
# 3 1 3
# 4 2 4
但是當提供非偶數組合時,R 會出錯(通常,但並非在所有情況下):
data.frame(x = 1:3, y = 1:4)
# Error in data.frame(x = 1:3, y = 1:4) :
# arguments imply differing number of rows: 3, 4
我個人的觀點是回收是方便和安全的平衡,這里的“方便”是我想在多行的框架中添加一個具有單一不變值的列,如上面的第一個例子; “安全性”是您確定每個函數返回的內容(例如,長度)和驚奇沒有被隱藏。
對於后者,請考慮使用自定義函數(旨在模仿which.min
)來查找最小值的位置:
myfunc <- function(x) which(x == min(x)) # this is naive, do not use it
對於“正常”數據,它將返回單個值,如
set.seed(42)
myfunc(runif(10))
# [1] 8
然而,也許在處理整數或其他可能發生相等的事情時(以及在一些罕見的numeric
實例中),人們可能會得到不止一個:
myfunc(sample(10, size = 11, replace = TRUE))
# [1] 2 10
因此,如果您依賴它返回單個值,但它返回兩個或更多,那么……您依賴的某些東西可能會進行靜默回收,而您一點也不聰明。 例如,
set.seed(3)
mydat <- data.frame(x = sample(10, size = 12, replace = TRUE))
mydat$y <- myfunc(mydat$x)
mydat
# x y
# 1 5 4
# 2 10 8
# 3 7 4
# 4 4 8
# 5 10 4
# 6 8 8
# 7 8 4
# 8 4 8
# 9 10 4
# 10 7 8
# 11 8 4
# 12 8 8
從我的角度來看,回收只有在“全有或一”的情況下才是“可接受的”……其他任何東西都可以在很多地方正確使用,但在我看來應該是明確的。
tibble
允許 all-or-1,否則會出錯:
library(tibble)
tibble(x = 1, y = 1:3)
# # A tibble: 3 x 2
# x y
# <dbl> <int>
# 1 1 1
# 2 1 2
# 3 1 3
tibble(x = 1:2, y = 1:3)
# Error: Tibble columns must have compatible sizes.
# * Size 2: Existing data.
# * Size 3: Column `y`.
# i Only values of size one are recycled.
您正在嘗試對data.table
構造之外的符號O3
進行非標准評估。 我相信您打算根據其他條件采用用戶提供的框架列的平均值。
這里有一種方法來避開這樣做:傳遞字符串和使用get(poll.name)
徘徊無論你需要的數據)內的data.table
得到的數據:
myfunc <- function(linked.dat, poll.name) {
linked.dat[,
`:=` (t1.avg = mean(get(poll.name)[AQ.Date >= Cdate & AQ.Date < Cdate + 1], na.rm = TRUE),
t2.avg = mean(get(poll.name)[AQ.Date >= Cdate + 1 & AQ.Date < Cdate + 2], na.rm = TRUE),
t3.avg = mean(get(poll.name)[AQ.Date >= Cdate + 2 & AQ.Date <= Bdate], na.rm = TRUE),
total.avg = mean(get(poll.name))),
by = ID]
linked.pollname <- linked.dat
return(linked.pollname)
}
myfunc(df, "O3")
# O3 AQ.Date ID Cdate Bdate Total_weeks t1.avg t2.avg t3.avg total.avg
# 1: 21.1 1980-01-28 a 1980-01-22 1980-02-08 2.428571 19.1 NaN 24.60909 24.15
# 2: 27.3 1980-01-30 a 1980-01-22 1980-02-08 2.428571 19.1 NaN 24.60909 24.15
# 3: 23.8 1980-01-31 a 1980-01-22 1980-02-08 2.428571 19.1 NaN 24.60909 24.15
# 4: 29.5 1980-02-01 a 1980-01-22 1980-02-08 2.428571 19.1 NaN 24.60909 24.15
# 5: 23.8 1980-01-29 a 1980-01-22 1980-02-08 2.428571 19.1 NaN 24.60909 24.15
# ---
# 18: 24.4 1980-02-10 b 1980-01-26 1980-02-14 2.714286 15.6 28.6 23.51250 23.23
# 19: 21.2 1980-01-30 b 1980-01-26 1980-02-14 2.714286 15.6 28.6 23.51250 23.23
# 20: 22.1 1980-02-11 b 1980-01-26 1980-02-14 2.714286 15.6 28.6 23.51250 23.23
# 21: 26.1 1980-02-13 b 1980-01-26 1980-02-14 2.714286 15.6 28.6 23.51250 23.23
# 22: 19.9 1980-02-14 b 1980-01-26 1980-02-14 2.714286 15.6 28.6 23.51250 23.23
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.