r - 我可以访问 apply() 中使用的函数的行索引吗

Question

我们需要填写一个分类数据表。我倾向于写太多 for 循环，我试图弄清楚如何使用 apply() 来完成它。我正在扫描最后一列以查找非缺失值，然后在每一列中填写其上方的值，仅在对角线上。因此，如果有 3 列，这将填充最后一列的值。我会为每个“更高的分类级别”或左边的下一列重复它:

# fills in for Family-level taxonomy
for(i in nrows(DataFrame)){  
  if(is.na(DataFrame[[4]][i])) next
    else {
      DataFrame[[3]][i] <- DataFrame[[3]][i-1]
      DataFrame[[2]][i] <- DataFrame[[2]][i-2]
      DataFrame[[1]][i] <- DataFrame[[1]][i-3]
     }
}

# Repeat to fill in Order's higher taxonomy (Phylum and Class)
for(i in nrows(DataFrame)){  # fills in for Family
  if(is.na(DataFrame[[3]][i])) next
    else {
      DataFrame[[2]][i] <- DataFrame[[2]][i-2]
      DataFrame[[1]][i] <- DataFrame[[1]][i-3]
     }
}
# And again for each column to the left.

数据可能是这样的:

Phylum     Class       Order        Family  
Annelida   
           Polychaeta  
                       Eunicida
                                    Oenoidae
                                    Onuphidae     
                       Oweniida
                                    Oweniidae

然后将针对该目中的每个独特家族、类别中的每个独特目以及门中的每个独特类别重复此操作。本质上，我们需要从其上方的下一个非缺失值开始，将值填充到每个非缺失值的左侧。所以最终的结果是:

Phylum     Class       Order    Family  
Annelida   
Annelida  Polychaeta  
Annelida  Polychaeta  Eunicida
Annelida  Polychaeta  Eunicida Oenoidae
Annelida  Polychaeta  Eunicida Onuphidae     
Annelida  Polychaeta  Oweniida
Annelida  Polychaeta  Oweniida Oweniidae

我们不能只向下复制列，因为一旦我们到达新的门级别，向下复制类就会停止并有一个缺失值，顺序可能有两个缺失值，等等...
我想挑战在于我需要 Dataframe[[ j ]][ i-n ] 在我将传递给应用的任何函数中的值。当 apply 将 'x' 传递给函数时，它传递的是具有属性(如索引/行名称)的对象还是仅传递值？

或者这是一个浪费的思路，如果我真的需要速度，请使用 for 循环并使用 rcpp。这是每年完成的数据框，我们将对其进行操作约 8,000 行和 13 列。我认为性能不会成为问题……但我们还没有尝试过。不知道为什么。

Answer 1

这是我的方法，只要你的数据看起来像我猜的那样:

library(tidyr)
library(dplyr)
data[data == ""] <- NA
data %>% fill(-Family) %>%
         filter(!is.na(Family)) 

输出:

    Phylum      Class    Order    Family
1 Annelida Polychaeta Eunicida  Oenoidae
2 Annelida Polychaeta Eunicida Onuphidae
3 Annelida Polychaeta Oweniida Oweniidae

如果你想要空行，你可以试试这个，它允许任意嵌套和取消嵌套:

data %>% fill(-Family) %>%
  filter(!is.na(Family)) %>%
  do(plyr::rbind.fill(unlist(lapply(1:nrow(.), function(z) lapply(1:4, function(xx) .[z,][1:xx])), recursive = FALSE))) %>%
  distinct()

     Phylum      Class    Order    Family
1  Annelida       <NA>     <NA>      <NA>
2  Annelida Polychaeta     <NA>      <NA>
3  Annelida Polychaeta Eunicida      <NA>
4  Annelida Polychaeta Eunicida  Oenoidae
5  Annelida Polychaeta Eunicida Onuphidae
6  Annelida Polychaeta Oweniida      <NA>
7  Annelida Polychaeta Oweniida Oweniidae
8  Annelida       blah     <NA>      <NA>
9  Annelida       blah     blah      <NA>
10 Annelida       blah     blah      blah

数据输入:

structure(list(Phylum = c("Annelida", NA, NA, NA, NA, NA, NA, 
NA, NA, NA), Class = c(NA, "Polychaeta", NA, NA, NA, NA, NA, 
"blah", NA, NA), Order = c(NA, NA, "Eunicida", NA, NA, "Oweniida", 
NA, NA, "blah", NA), Family = c(NA, NA, NA, "Oenoidae", "Onuphidae", 
NA, "Oweniidae", NA, NA, "blah")), .Names = c("Phylum", "Class", 
"Order", "Family"), row.names = c(NA, -10L), class = "data.frame")