r - 使用 for 循环对数据集进行分区

Question

我正在尝试在 R 中创建一个函数，它返回一个数据帧列表，这些数据帧按每个因子级别进行子集化。

一个帮助解释我想要做什么的例子；

#Creating a dataset for my example
f1<-c("a","a","b","b","c","c")
f2<-c("x","y","x","y","x","y")
v1<-c(1:6)
v2<-c(7:12)
factors<-as.data.frame(cbind(f1,f2))
integers<-as.data.frame(cbind(v1,v2))
df<-cbind(factors,integers)



#The function
partition<-function(data){

   factors<-Filter(is.factor,data)    #Splitting data into factors 
   subsets<-list(NULL)              #Creating an empty list where I 
                                      will put the subsets      nm=0
  for( i  in 1:ncol(factors)){
    nm=nm+nlevels(factors[,i])
  }
  nm

   for( i in 1:ncol(factors)){  

       for(j in 1:nlevels(factors[,i])){  
          for(k in 1:nm){
            subsets[[k]]<-df[which(factors[,i]==levels(factors[,i])[j]), ] 
          }                       
       }
    }

  return(subsets)
}

partition(df)

这会产生:

[[1]]
  f1 f2 v1 v2
2  a  y  2  8
4  b  y  4 10
6  c  y  6 12

[[2]]
  f1 f2 v1 v2
2  a  y  2  8
4  b  y  4 10
6  c  y  6 12

[[3]]
  f1 f2 v1 v2
2  a  y  2  8
4  b  y  4 10
6  c  y  6 12

[[4]]
  f1 f2 v1 v2
2  a  y  2  8
4  b  y  4 10
6  c  y  6 12

[[5]]
  f1 f2 v1 v2
2  a  y  2  8
4  b  y  4 10
6  c  y  6 12

如您所见，这些都是相同的数据集。通过删除 k 上的循环，所有数据集都不同并正确进行子集化，但它只给了我三个数据集(因为最后一个因子变量中有两个级别，我们保留子集，其中 f1 == "c").

删除 k 上的 for 循环，我们得到；

[[1]]
  f1 f2 v1 v2
1  a  x  1  7
3  b  x  3  9
5  c  x  5 11

[[2]]
  f1 f2 v1 v2
2  a  y  2  8
4  b  y  4 10
6  c  y  6 12

[[3]]
  f1 f2 v1 v2
5  c  x  5 11
6  c  y  6 12

我们缺少 f1 == "a" 和 f1 == "b"

的子集

注意，我应该获得 5 个数据帧，因为我们有 2 + 3 个因子级别(在子集化之前的第一个 for 循环中计算为 nm。

所以我的问题是，如何在不覆盖已经子集化的内容的情况下运行上述内容？

对于某些背景，这正在努力建立一个分类模型，它将产生 nfactor(df) 预测，然后我将运行 GLM 来对每个预测进行加权。

感谢您对我的问题的任何见解。

更新格伦的第一个答案简化了我的代码，这可能会使我遇到的问题更加明显。这是更新后的代码(请注意，使用 split() 函数，它在大型数据集上运行得更有效，所以谢谢 Glen。

for(k in 1:nm){
        for( i in 1:ncol(factors)){
          for( j in 1:nlevels(factors[,i])){
            subsets[[k]]<-split(df,factors[,i])[j]
          }
        }
      }

返回与我原来的问题相同的结果。问题是，当我在 k 到 nm 上运行循环时，循环会覆盖已经生成的内容。我该如何阻止这种情况发生？

Answer 1

如果我正确理解你的问题。您可以使用 split 函数轻松地完成此操作。

f1<-c("a","a","b","b","c","c")
f2<-c("x","y","x","y","x","y")
v1<-c(1:6)
v2<-c(7:12)
factors<-as.data.frame(cbind(f1,f2))
integers<-as.data.frame(cbind(v1,v2))
df<-cbind(factors,integers)


tmp1=split(df,f1)
tmp2=split(df,f2)
c(tmp1,tmp2)