r - 创建嵌套循环以分段数据框中的数据

Question

我正在尝试创建一个嵌套循环，以使用 subset() 函数将数据框中的数据分割成一系列较小的表。

数据按州在地理上进行分割，然后按每个州分类，然后包含一段时间内的销售数据。传统上这项工作仅使用 Excel 完成，但数据本身非常大，大约有 10-12,000 个数据点，并且数据结构不断变化，添加、删除或重命名新类别，这就是为什么我要在 R 中自动执行该过程，而不是在 Excel 中手动重建报告。

问题是我无法让第二个循环正常工作。当我运行代码时，数据是包含正确观察值的第一组两个表的子集，但第二个循环中的第二组表包含正确数量的表，但没有观察值。第二个赋值函数显然有问题，我无法解决。

编辑添加:

所需的输出将用于构建包含一系列打印表格的报告。它背后的想法是初始数据来自一个单一的、巨大的表格，存储为 csv 或 Excel 文件，但不同的人对数据的不同部分感兴趣，这意味着它必须分成不同的部分，然后打印出来，以各种方式汇总和总结。所以我们的想法是获取大型数据集，然后将其分解成可以单独处理的部分。不同版本的报告会有不同的内部结构和不同的类别数量，这就是为什么我希望能够通过循环动态创建表格，以便一段代码可以管理不同的数据结构。

这可能不是处理事情的理想方式，但这是一些经理坚持的工作方式。

    library(dplyr)

    # Create trial data

    by_state <- c("state1", "state1", "state1", "state1", "state1",  
   "state1", "state1", "state1", "state1", "state2", "state2", "state2",  
   "state2", "state2", "state2", "state2", "state2", "state2")
    by_category <- c("cat1", "cat1","cat1", "cat2", "cat2", "cat2",  
   "cat3", "cat3", "cat3", "cat1", "cat1","cat1", "cat2", "cat2", "cat2",  
   "cat3", "cat3", "cat3")
    y2001 <- runif(18, 1, 100) %>%
    round(digits = 0)
    y2002 <- runif(18, 1, 100) %>%
      round(digits = 0)
    y2003 <- runif(18, 1, 100) %>%
      round(digits = 0)

    df <- data.frame(by_state, by_category, y2001, y2002, y2003)

    # Create two lists for each loop

    sec1 <- data.frame(unique(df$by_state))
    sec2 <- data.frame(unique(df$by_category))

    # Create loop to segment data 

    for (c in 1:nrow(sec1)) {
      for (d in 1:nrow(sec2)) {
        assign(paste0("table", c),
               subset(df, df$by_state == paste0(sec1[c,])))
        assign(paste0("table", c, d),
               subset(get(paste0("table", c)), paste0("table", c,  
    "$by_category") == paste0(sec2[d,])))
      }
    }

Answer 1

首先，我要指出的是，可能没有必要将您的数据拆分成许多小的 data.frames。您可以简单地使用 group_by(state, category) 来做您想做的任何事情。

话虽如此，这就是您按状态拆分数据的方式:使用 base R 提供的 split 函数。

library("dplyr")
#> 
#> Attaching package: 'dplyr'
#> The following objects are masked from 'package:stats':
#> 
#>     filter, lag
#> The following objects are masked from 'package:base':
#> 
#>     intersect, setdiff, setequal, union

df <- data.frame(
  state = c("state1", "state1", "state1", "state1", "state1",  
            "state1", "state1", "state1", "state1", "state2", "state2", "state2",  
            "state2", "state2", "state2", "state2", "state2", "state2"),
  category = c("cat1", "cat1","cat1", "cat2", "cat2", "cat2",  
               "cat3", "cat3", "cat3", "cat1", "cat1","cat1", "cat2", "cat2", "cat2",  
               "cat3", "cat3", "cat3"),
  y2001 = runif(18, 1, 100) %>%
    round(digits = 0),
  y2002 = runif(18, 1, 100) %>%
    round(digits = 0),
  y2003 = runif(18, 1, 100) %>%
    round(digits = 0)
)

# This creates a named list of sub data.frames
df_by_state <- split(df, df$state)
# 2 named elements
names(df_by_state)
#> [1] "state1" "state2"
# You can access them by indexing using the name
df_by_state$state1
#>    state category y2001 y2002 y2003
#> 1 state1     cat1    18    95    90
#> 2 state1     cat1    69    15    50
#> 3 state1     cat1    90    62    68
#> 4 state1     cat2    81    29    55
#> 5 state1     cat2    94     9    99
#> 6 state1     cat2    42    30    66
#> 7 state1     cat3    79     7    38
#> 8 state1     cat3     6    95    95
#> 9 state1     cat3    95     4    87
# Or the index
df_by_state[[1]]
#>    state category y2001 y2002 y2003
#> 1 state1     cat1    18    95    90
#> 2 state1     cat1    69    15    50
#> 3 state1     cat1    90    62    68
#> 4 state1     cat2    81    29    55
#> 5 state1     cat2    94     9    99
#> 6 state1     cat2    42    30    66
#> 7 state1     cat3    79     7    38
#> 8 state1     cat3     6    95    95
#> 9 state1     cat3    95     4    87

# This splits every element of df_by_state by category
# Creating a list of lists
df_by_state_cat <- purrr::map(df_by_state, ~ split(., .$category))
# You can access your data.frames like so
df_by_state_cat$state2$cat2
#>     state category y2001 y2002 y2003
#> 13 state2     cat2    87    42    95
#> 14 state2     cat2    97    97    29
#> 15 state2     cat2    40    74    47


# Alternatively, you can directly split df by both state and category
# You need to create a combined state_cat variable:
df_by_state_cat2 <- split(df, paste(df$state, df$category, sep = "_"))
# You get an element for each state_cat combination
names(df_by_state_cat2)
#> [1] "state1_cat1" "state1_cat2" "state1_cat3" "state2_cat1" "state2_cat2"
#> [6] "state2_cat3"
# The list is flat and not nested, you can access elements like this:
df_by_state_cat2$state2_cat2
#>     state category y2001 y2002 y2003
#> 13 state2     cat2    87    42    95
#> 14 state2     cat2    97    97    29
#> 15 state2     cat2    40    74    47

^{由 reprex package 创建于 2019-09-09 (v0.3.0)}

没有必要使用循环，但如果必须使用，这就是改进代码的方法:

• 不要将 sec1 和 sec2 定义为 data.frames，因为它们只能是向量。您可以直接在值而不是索引上循环。
• 在命名列表(您之前初始化的)中分配值
• 使用有意义的变量名

by_state <- list()
by_state_cat <- list()

for (sta in unique(df$state)) {
  for (cat in unique(df$category)) {
    by_state[[sta]] <- filter(df, state == sta)
    by_state_cat[[paste(sta, cat, sep = "_")]] <- 
      filter(by_state[[sta]], category == cat)
  }
}

你会看到它等同于使用 split 的代码，除了更长和环境污染(因为 sta 和 cat 仍然存在在循环之后)。