如何在数据表列中进行循环？

Question

我知道如何函数和循环，我想将它们与数据表对象结合起来，目的是进行探索性数据分析。

我做了这个函数：

aed <- function(x) {
  mean       <- mean(x, na.rm=TRUE)
  desvtip    <- sd(x, na.rm=TRUE)
  qss        <- quantile(x, probs=c(0, 0.01, 0.05, 0.25, 0.50, 0.75, 0.95, 0.99, 1), na.rm=TRUE)
  names(qss) <- NULL
  min        <- qss[1]
  p1         <- qss[2]
  p5         <- qss[3]
  p25        <- qss[4]
  median     <- qss[5]
  p75        <- qss[6]
  p95        <- qss[7]
  p99        <- qss[8]
  max        <- qss[9]
  ric        <- p75-p25

return( c(mean=mean, st=desvtip, min=min, p1=p1, p5=p5, p25=p25, p50=median,
p75=p75, p95=p95,p99=p99, max=max,rangic=ric))
}

我有一个这样的数据表（称为 Master）：

V1	V2	V3	V4
532.215	float_value	float_value	float_value
123.258	float_value	float_value	float_value
0.025	float_value	float_value	float_value

每一列都是浮点型。

所以，我想用一个循环来处理我的函数的每一列，并制作一个像这样的表格结果：

Column_Name	Mean	st	Min	Max	...
V1	mean of V1	st of V1	...	...	...
V2	mean of V2	st of V2	...	...	...
V3	mean of V3	st of V3	...	...	...
V4	mean of V4	st of V4	...	...	...

我试过这样循环。

results <- NULL
for(i in 1:ncol(Master)) {       # for-loop over columns
  
  col_name <- colnames(Master)[i] #select column name
  analysis <- aed(Master[,paste0(colnames(Master)[i])]) #use my function
  r_row <- cbind(col_name, analysis) #combine column name and resuts of aed in a row
 
 results <- rbind(results, r_row) # combine every row in a table
}

我不明白的部分是为什么 Master[,paste0(colnames(Master)[i])] when i = 1 与 Master[,"V1"] 不一样。

控制台返回：

> Master[,paste0(colnames(Master)[i])] # when i =1
[1] "V1"

> Master[,"V1"]
   V1
1:           0
2:           2
3:           2
4:           0
5:           0
6:           0

有人可以帮帮我吗？如果您有更好的想法，则无需使用我的循环，但如果有人可以解释为什么 Master[,paste0(colnames(Master)[i])] 不起作用，我会非常感激。

Answer 1

不需要for 循环。事实上，将rbind 数据迭代到表格工作总线效率非常低，并且扩展性极差，请参阅R Inferno 第 2 章，增长对象。

这是您的 aed 函数的改编版：

aed <- function(nm, x, na.rm = FALSE) {
  percentiles <- c(0, 1, 5, 25, 50, 75, 95, 99, 100)
  qss <- setNames(quantile(x, percentiles/100, na.rm = na.rm), paste0("p", percentiles))
  names(qss)[c(1,5,9)] <- c("min", "median", "max")
  vals <- c(mean = mean(x, na.rm = na.rm), st = sd(x, na.rm = na.rm), qss, rangeic = qss["p75"] - qss["p25"])
  m <- matrix(vals, nrow = 1, dimnames = list(NULL, names(vals)))
  cbind(data.table(Column_Name = nm), m)
}

一些示例数据，我不知道它是否与您使用的匹配。

library(data.table)
set.seed(42)
dat <- data.table(V1 = runif(1000), V2 = runif(1000))
dat
#                V1         V2
#             <num>      <num>
#    1: 0.914806043 0.84829322
#    2: 0.937075413 0.06274633
#    3: 0.286139535 0.81984509
#    4: 0.830447626 0.53936029
#    5: 0.641745519 0.49902010
#    6: 0.519095949 0.02222732
#    7: 0.736588315 0.55409313
#    8: 0.134666597 0.71989760
#    9: 0.656992290 0.23571523
#   10: 0.705064784 0.81187968
#   ---                       
#  991: 0.750519822 0.72004398
#  992: 0.097692942 0.98333927
#  993: 0.815567016 0.16192736
#  994: 0.858393029 0.76617988
#  995: 0.117157300 0.95396922
#  996: 0.137397162 0.26590719
#  997: 0.548256997 0.08583757
#  998: 0.059029650 0.22892575
#  999: 0.495523291 0.33242952
# 1000: 0.007417523 0.95179901

它的用途：

dat[, rbindlist(Map(aed, names(.SD), .SD))]
#    Column_Name      mean        st          min          p1         p5       p25    median       p75       p95       p99       max   rangeic
#         <char>     <num>     <num>        <num>       <num>      <num>     <num>     <num>     <num>     <num>     <num>     <num>     <num>
# 1:          V1 0.4882555 0.2914302 0.0002388966 0.006891313 0.04862636 0.2294261 0.4803411 0.7439418 0.9445328 0.9826610 0.9984908 0.5145157
# 2:          V2 0.4970157 0.2961325 0.0003734785 0.010906180 0.04513135 0.2385863 0.5024530 0.7563358 0.9514749 0.9927716 0.9997632 0.5177495