r - 如何在 r 中编写函数来对记录进行计算？

Question

在 C# 中，我习惯了数据集和当前记录的概念。对我来说，根据当前记录的条件编写复杂的计算价格函数会很容易。

我无法理解如何在 r 中执行此操作。

我尝试了以下方法

   train <- read.csv("Train.csv" )
   df <- as.data.frame.matrix(train)
   v = c(  df$Fuel.Type ,df$No.Gears)
   names(v ) <- c( "FuelType" ,"NoGears")
   df$FEType = FEType( v)

我的函数定义为

FEType <- function(v    ){
  ret="Low"
  if (v["FuelType"]=='G') {
    ret ="High"
  }
  return(ret)
}

这没有按我的预期工作当我检查 v 时，我发现它包含总计而不是我预期的当前行。

我哪里出错了？

在问题here中我在最后一段中看到了一些提示。

为了重现问题，表明我想要做什么，我已经

IsPretty <-function(PetalWidth){
  if (PetalWidth  >0.3) return("Y")
  return("N")
}

df <- iris
df$Pretty = IsPretty(df$Petal.Width)
    

这给出了错误

the condition has length > 1 and only the first element will be used

这让我开始研究向量。但我不相信这是正确的方向。

[更新]

我习惯于思考表格和当前记录。因此我认为

df$Pretty = IsPretty(df$Petal.Width)

将具有使用计算出的 isPretty 属性向我的数据框添加一列的效果

为什么我的计算中不能包含 if 条件？

Answer 1

矢量化是您在 R 中需要习惯的最基本(也是不寻常)的事情之一。许多(大多数？)R 操作都是矢量化的。但有一些事情不是 - 并且 if(){}else{}是非矢量化的事物之一。它用于控制流(无论是否运行代码块)，而不用于向量运算。 ifelse()是一个用于向量的单独函数，其中第一个参数是“测试”，第二个和第三个参数是“如果是”和“如果否”结果。测试是一个向量，返回的值是测试中每个项目的适当的是/否结果。 结果将与测试的长度相同。

所以我们会写你的 IsPretty功能如下:

IsPretty <- function(PetalWidth){
  return(ifelse(PetalWidth > 0.3, "Y", "N"))
}

df <- iris
df$Pretty = IsPretty(df$Petal.Width)

与if(){...}else{...}对比测试条件长度为 1 的 block ，并且可以在 ... 中运行任意代码- 可能返回比测试更大的结果，或者更小的结果，或者没有结果 - 可能会修改其他对象...您可以在 if(){}else() 内执行任何操作，但测试条件的长度必须为 1。

您可以使用您的IsPretty一次运行一行 - 它对于任何一行都可以正常工作。因此，我们可以将其放入如下循环中，一次检查一行，给出 if()一次进行一项测试，一次分配一个结果。但 R 针对矢量化进行了优化，这会明显变慢，并且是一个坏习惯。

IsPrettyIf <-function(PetalWidth){
  if (PetalWidth  >0.3) return("Y")
  return("N")
}

for(i in 1:nrow(df)) {
  df$PrettyLoop[i] = IsPrettyIf(df$Petal.Width[i])
}

下面的基准测试显示矢量化版本的速度提高了 50 倍。这是一个如此简单的案例和如此小的数据，这并不重要，但对于更大的数据，或更复杂的操作，矢量化和非矢量化代码之间的差异可能是几分钟与几天。

microbenchmark::microbenchmark(
  loop = {
    for(i in 1:nrow(df)) {
      df$PrettyLoop[i] = IsPrettyIf(df$Petal.Width[i])
    }
  },
  vectorized = {
    df$Pretty = IsPretty(df$Petal.Width)    
  }
)
Unit: microseconds
       expr    min     lq     mean median      uq     max neval
       loop 3898.9 4365.6 5880.623 5442.3 7041.10 11344.6   100
 vectorized   47.7   59.6  112.288   67.4   83.85  1819.4   100

对于 R 学习者来说，这是一个常见的问题 - 您可以在 Stack Overflow 上找到许多问题，人们正在使用 if(){}else{}当他们需要时ifelse()或相反亦然。 Why can't ifelse return vectors?是来自问题另一面的常见问题解答。

---

您的尝试发生了什么？

df <- iris

## The condition has length equal to the number of rows in the data frame
df$Petal.Width > 0.3
#>   [1] FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE
#>  [13] FALSE FALSE FALSE  TRUE  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE  TRUE
## ... truncated


## R warns us that only the first value (which happens to be FALSE) is used
result = if(df$Petal.Width > 0.3) {"Y"} else {"N"}
#> Warning in if (df$Petal.Width > 0.3) {: the condition has length > 1 and only
#> the first element will be used

## So the result is a single "N"
result  
#> [1] "N"

length(result)
#> [1] 1


## R "recycles" inputs that are of insufficient length
## so we get a full column of "N"
df$Pretty = result
head(df)
#>   Sepal.Length Sepal.Width Petal.Length Petal.Width Species Pretty
#> 1          5.1         3.5          1.4         0.2  setosa      N
#> 2          4.9         3.0          1.4         0.2  setosa      N
#> 3          4.7         3.2          1.3         0.2  setosa      N
#> 4          4.6         3.1          1.5         0.2  setosa      N
#> 5          5.0         3.6          1.4         0.2  setosa      N
#> 6          5.4         3.9          1.7         0.4  setosa      N

^{由reprex package于2020年11月8日创建(v0.3.0)}