自定义 R 函数返回奇怪的输出

Question

所以我试图创建一个数据帧列表的列表，主要是为了通过 mclapply 将它们传递给多个内核。但这不是我遇到麻烦的部分。我编写了一个函数来从一个大数据帧创建一个较小数据帧的列表，然后按顺序应用它以将一个大数据帧分解成一个小数据帧列表的列表。问题在于，当第二次调用该函数时（通过 lapply 到第一个数据帧列表），它会将额外的小数据帧添加到较大列表中的每个数据帧列表中。我不知道为什么。我不认为这是 lapply，因为当我在第一个列表中的一个帧上手动运行该函数时，它也确实有效。代码如下：

create_frame_list<-function(mydata,mystep,elnames){

    datalim<-dim(mydata)[1]
    mylist<-list()
    init<-1
    top<-mystep
    i<-1

    repeat{

        if(top < datalim){
            mylist[[i]]<-assign(paste(elnames,as.character(i),sep=""),data.frame(mydata[init:top,]))
            }
        else {
            mylist[[i]]<-assign(paste(elnames,as.character(i),sep=""),data.frame(mydata[init:datalim,]))
            }

        if(top > datalim){break}    

        i<-i+1
        init<-top+1
        top<-top+mystep

        }

        return(mylist)
    }

test_data<-data.frame(replicate(10,sample(0:1,1000,rep=TRUE)))

#Create the first list of data frames, works fine
master_list<-create_frame_list(test_data,300,"bd")

#check the dimensions of the data frames created, they are correct
lapply(master_list,dim)

#create a list of lists of data frames, doesn't work right
list_list<-lapply(master_list,create_frame_list,50,"children")

#check the dimensions of the data frames in the various lists. The function when called again is making extra data frames of length 2 for no reason I can see
lapply(list_list,lapply,dim)

就是这样。一如既往地感谢任何帮助。

Answer 1

好的，所以您的代码只有一个小错误，但肯定有更好的方法来做到这一点。当行数是step 的整数倍时，您的代码不起作用。这与您的break 的位置有关。这是一个修复：

create_frame_list<-function(mydata,mystep,elnames){
  datalim<-dim(mydata)[1]
  mylist<-list()
  init<-1
  top<-mystep
  i<-1
  repeat{
    if(top < datalim)
      # mylist[[i]]<-assign(paste0(elnames,as.character(i)),data.frame(mydata[init:top,]))
      mylist[[i]]<-mydata[init:top,]
    else 
      mylist[[i]]<-mydata[init:datalim,]
    # if(top > datalim) break 
    i<-i+1
    init<-top+1
    top<-top+mystep
    if(init > datalim) break
  }
  return(mylist)
}

主要修复是移动if，使其依赖init，而不是top。

您会注意到我清理了您的代码，并删除了 assign 语句。一个好的经验法则是：如果你认为你需要使用assign 或get，那你就错了。在您的情况下，分配是完全多余的，并且没有以您想要的方式分配名称。

---

如果您正在寻找更好的方法来做到这一点，这里有一个选择：

n<-nrow(test_data)
step<-300
split.var<-rep(1:ceiling(n/step),each=step,length.out=n)
master_list<-split(test_data,split.var)
names(master_list)<-paste0('bd',seq_along(master_list))
# If you didn't care about the order of the rows you could just do 
# split(test_data,seq(ceiling(n/step)))

---

如果你想变得花哨，你可以这样做：

special.split<-function(data,step) 
  split(data,rep(1:ceiling(nrow(data)/step),each=step,length.out=nrow(data)))
lapply(special.split(test_data,300),special.split,step=50)

这样就可以一步完成。