如何在 r 中编写一个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。我可以很容易地编写一个复杂的计算价格函数，并在当前记录上设置条件。

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)
}

这和我预期的不一样当我检查 v 时，我发现它包含总计而不是我预期的当前行。

我哪里错了？

在问题中，我在最后一段看到了一些提示。

要重现问题，说明我想做什么，我有

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。但我不确定这是正确的方向。

[更新]

我习惯于考虑表格和当前记录。因此我在想

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

会使用计算出的 isPretty 属性

向我的数据框添加一列

为什么我不能在计算中包含 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。但有些事情不是 - if(){}else{} 是 non-vectorized 事情之一。它用于控制流（无论是否运行一个代码块）而不是向量操作。 ifelse() 是一个单独的函数，用于向量，其中第一个参数是“测试”，第二个和第三个参数是“如果是”和“如果不是”的结果。测试是一个向量，returned 值是测试中每个项目的适当 yes/no 结果。 结果将与测试的长度相同。

所以我们会像这样编写您的 IsPretty 函数：

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

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

与测试条件长度为 1 的 if(){...}else{...} 块对比，任意代码可以是 ... 中的运行 - 可能 return 更大的结果比测试，或更小的结果，或没有结果 - 可能会修改其他对象......你可以在 if(){}else() 中做任何事情，但测试条件的长度必须为 1。

您可以一次使用您的 IsPretty 函数一行 - 它对任何一行都可以正常工作。所以我们可以把它放在一个循环中，如下所示，一次检查一行，一次给 if() 一个测试，一次分配一个结果。但是 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])
}

下面的基准测试表明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，这无关紧要，但在更大的数据或更复杂的操作中，向量化代码和 non-vectorized 代码之间的区别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

这是 R 学习者的常见问题 - 您可以在 Stack Overflow 上找到许多问题，其中人们在需要 ifelse() 时使用 if(){}else{}，反之亦然。 Why can't ifelse return vectors? 是来自问题对面的FAQ。

你的尝试发生了什么？

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 (v0.3.0)}

于 2020-11-08 创建

Answer 2

我自己对 Gregor 的回答做的笔记

IsPrettyIf <-function(row){
 ret ="N"  
 if(row$Petal.Width > 0.3) { ret="Y"}
 return(ret)
}

 
df <- iris
df$PrettyLoop ="" # add a column and initialize all the cells to be empty
for(i in 1:5) {
  df$PrettyLoop[i] = IsPrettyIf(df[i,])
  cat("Row",i, "is Pretty?",df$PrettyLoop[i],"\n")
}

让我感到困惑的一点是 row$PrettyLoop 就像一个单元格，而 df$PrettyLoop 就像一个列，用电子表格类比来思考。

如何在 r 中编写一个函数来对记录进行计算？

How do I write a function in r to do cacluations on a record?

if-statement

r

vectorization

你的尝试发生了什么？