如何使用 sqldf 循环数据帧？答案

【问题标题】：how to loop the dataframe using sqldf?如何使用 sqldf 循环数据帧？
【发布时间】：2018-06-09 21:31:22
【问题描述】：

第一个代码：

样本数据：

vector1 <- data.frame("name"="a","age"=10,"gender"="m")
vector2 <-  data.frame("name"="b","age"=33,"gender"="m")
vector3 <-  data.frame("name"="b","age"=58,"gender"="f")
list <- list(vector1,vector2,vector3)

sql <- list()
for(i in 1:length(list)){
   print(list[[1]]) # access dataframe
   sql[[i]]<-
    sqldf(paste0("select name,gender,count(name) from ",list[[i]]," group by gender "))
}

如何使用 sqldf 函数正确循环数据框？我已尝试在 sqldf 函数中使用 list[[1]] 或 list[1] 进行测试，但它不会返回此类表或语法错误。在循环函数中，我可以访问数据框。可以使用这种格式吗？

print(str(list))
List of 3
 $ :'data.frame':   1 obs. of  3 variables:
  ..$ name  : Factor w/ 1 level "a": 1
  ..$ age   : num 10
  ..$ gender: Factor w/ 1 level "m": 1
 $ :'data.frame':   1 obs. of  3 variables:
  ..$ name  : Factor w/ 1 level "b": 1
  ..$ age   : num 33
  ..$ gender: Factor w/ 1 level "m": 1
 $ :'data.frame':   1 obs. of  3 variables:
  ..$ name  : Factor w/ 1 level "b": 1
  ..$ age   : num 58
  ..$ gender: Factor w/ 1 level "f": 1
NULL

第二：

这段代码是我的期望。

f<- lapply(list, function(dataframe) {
      sql <-
        sqldf("select name,gender,count(name) from dataframe group by gender ")
    })
    print(f)

这是输出。

> print(f)
[[1]]
  name gender count(name)
1    a      m           1

[[2]]
  name gender count(name)
1    b      m           1

[[3]]
  name gender count(name)
1    b      f           1

是否可以使用第一个代码访问列表？当我想使用粘贴功能访问列表中的每个数据框时如何解决它。

【问题讨论】：

标签： r list dataframe sqldf

【解决方案1】：

OP 已请求帮助以使用 sqldf() 聚合存储在列表中的 data.frames。如果我理解正确的话，OP 想要计算每个 data.frame 中的男性和女性人数。

OP 提出了两个相关问题（"using lapply function and list in r " 和 "add missed value based on the value of the column in r "），他也在寻求帮助以处理 data.frames 列表。

正如我对上述问题的回答中所解释的，将具有相同结构的 data.frames 合并到一个大型 data.table 中几乎总是更好：

library(data.table)
rbindlist(list, idcol = "df")

   df name age gender
1:  1    a  10      m
2:  2    b  33      m
3:  3    b  58      f

请注意，额外的df 列标识了每一行的来源。

现在，我们可以通过gender 轻松计算每个df 的行数

rbindlist(list, idcol = "df")[, .N, by = .(df, gender)]

   df gender N
1:  1      m 1
2:  2      m 1
3:  3      f 1

.N 是data.table 语法中的一个特殊符号，用于计算每个组中的行数。 name 列在像这样聚合时是无关紧要的，因此被忽略了。

【讨论】：

感谢您的详细解释。你按照我的要求来帮助我。

【解决方案2】：

您询问了 lapply 的使用，这将消除使用 for 循环来处理数据帧列表的需要。这是一个解决方案，它使用一个简单的独立函数将 sqldf 语句应用于给定的数据帧，并 lapply 将其应用于您的数据帧列表而无需显式循环：

namecount <- function(df){
  sqldf("select name, gender, count(name) from df group by gender")
}

sql = lapply(list, namecount)

输出：

> sql
[[1]]
  name gender count(name)
1    a      m           1

[[2]]
  name gender count(name)
1    b      m           1

[[3]]
  name gender count(name)
1    b      f           1

【讨论】：

【解决方案3】：

sqldf::sqldf 指环境中存在的对象。因此，只需创建 DF <- list[[i]] 并在查询中使用此名称。

for(i in 1:length(list)){
  print(list[[1]]) # access dataframe
  DF <- list[[i]]
 sql[[i]]<- sqldf("select name,gender,count(name) from DF group by gender ")
}
print(sql)
# [[1]]
#   name gender count(name)
# 1    a      m           1
# 
# [[2]]
#   name gender count(name)
# 1    b      m           1
# 
# [[3]]
#   name gender count(name)
# 1    b      f           1

【讨论】：