在 R 中创建一个简单的 for 循环

Question

我有一个名为“Volume”的小标题，我在其中存储了一些数据（10 列 - 前 2 列是字符，30 行）。 现在我想计算与我的小标题第 3 列相对应的每一列的相对体积。 我目前的解决方案如下所示：

rel.Volume_unmod = tibble(
            "Volume_OD" = Volume[[3]] / Volume[[3]],
            "Volume_Imp" = Volume[[4]] / Volume[[3]],
            "Volume_OD_1" = Volume[[5]] / Volume[[3]],
            "Volume_WS_1" = Volume[[6]] / Volume[[3]],
            "Volume_OD_2"  = Volume[[7]] / Volume[[3]],
            "Volume_WS_2" = Volume[[8]] / Volume[[3]], 
            "Volume_OD_3" = Volume[[9]] / Volume[[3]],
            "Volume_WS_3" = Volume[[10]] / Volume[[3]])
rel.Volume_unmod 

我想保留 tibble 结构和标签。我确信对此有更好的解决方案，但我对 R 相对较新，所以这对我来说并不明显。我尝试的是这样的，但我实际上无法运行：

rel.Volume = NULL
for(i in Volume[,3:10]){

rel.Volume[i] = tibble(Volume = Volume[[i]] / Volume[[3]])
}

Answer 1

样机数据

由于您没有提供一些数据，我按照您提供的描述创建了一些模型数据。这里：

set.seed(1)
Volume <- data.frame(ID = sample(letters, 30, TRUE),
                     GR = sample(LETTERS, 30, TRUE))
Volume[3:10] <- rnorm(30*8)

Dplyr 解决方案

library(dplyr)

# rename columns [brute force]
cols <- c("Volume_OD","Volume_Imp","Volume_OD_1","Volume_WS_1","Volume_OD_2","Volume_WS_2","Volume_OD_3","Volume_WS_3")
colnames(Volume)[3:10] <- cols

# divide by Volumn_OD
rel.Volume_unmod <- Volume %>% 
  mutate(across(all_of(cols), ~ . / Volume_OD))

# result
rel.Volume_unmod

说明

• 我不知道您的列的名称。这些名称可能与您打算在rel.Volume_unmod 中创建的列的名称相对应。无论如何，为了避免任何问题，我重命名了这些列（有点残忍）。如果您愿意，可以使用dplyr::rename 进行操作。
• 有很多方法可以选择您想要mutate 的列。 mutate 是来自 dplyr 的动词，允许您创建新列或对列执行操作或功能。
• across 是来自dplyr 的副词。让我们通过说它是一个允许您在多个列上执行函数的函数来简化。在这种情况下，我想通过Volum_OD 进行除法。
• ~ 是 tidyverse 创建匿名函数的方法。 ~ . / Volum_OD 等价于 function(x) x / Volumn_OD
• all_of 是必要的，因为在这种特定情况下，我为 across 提供了一个字符向量。没有它，它仍然可以工作，但您会收到警告，因为它不明确，并且在相同情况下可能无法正常工作。

更多信息

查看this book 以了解有关使用tidyverse（dplyr 是其中的一部分）进行数据操作的更多信息。

---

Base-R 解决方案

rel.Volume_unmod <- Volume

# rename columns
cols <- c("Volume_OD","Volume_Imp","Volume_OD_1","Volume_WS_1","Volume_OD_2","Volume_WS_2","Volume_OD_3","Volume_WS_3")
colnames(rel.Volume_unmod)[3:10] <- cols

# divide by columns 3
rel.Volume_unmod[3:10] <- lapply(rel.Volume_unmod[3:10], `/`, rel.Volume_unmod[3])
rel.Volume_unmod

说明

• lapply 是一个基础 R 函数，可让您将函数应用于列表或“可列出”对象的每个项目。
• 在这种情况下，rel.Volume_unmod 是一个可列出的对象：数据帧只是一个具有相同长度的向量列表。因此，lapply 一次占用一列 [= 一项] 并应用一个函数。
• 函数是/。你通常会看到/ 是这样使用的：A / B，但实际上/ 是一个 Primitive 函数。你可以这样写同样的东西：

 `/`(A, B) # same as A / B

• lapply 可以提供附加参数，这些参数直接传递给应用于列表的函数（在本例中为 /）。因此，我们将rel.Volume_unmod[3] 写为附加参数。
• lapply 总是返回一个列表。但是，由于我们将 lapply 的结果分配给“数据框的一部分”，我们将只编辑数据框的列，因此，我们将有一个数据框而不是列表。让我以更技术性的方式重新表述。当您分配rel.Volume_unmod[3:10] <- lapply(...) 时，您不只是将列表分配给rel.Volume_unmod[3:10]。从技术上讲，您正在使用此分配功能：[<-。这是一个允许编辑列表/向量/数据框中的项目的功能。具体来说，[<- 允许您在不修改列表/向量/数据框的属性的情况下分配新项目。正如我之前所说，数据框只是具有特定属性的列表。然后，当您使用 [<- 时，您会修改列，但不会更改属性（在本例中为类 data.frame）。这就是魔法起作用的原因。

Answer 2

如果没有一个最小的工作示例，很难猜出变量Volume 实际指的是什么。除此之外，您的for-loop 似乎有问题：

for(i in Volume[,3:10]){

假设Volume 指的是data.frame 或tibble，这会导致索引在3 到10 之间的实际列向量被连续分配给i。您可以通过将print(i) 放入循环中来验证这一点。但在循环内部，您似乎实际上想使用 i 作为一个变量，该变量仅包含当前列的索引作为数字（而不是列本身）：

rel.Volume[i] = tibble(Volume = Volume[[i]] / Volume[[3]])

另外，两个括号通常用于列表，而不是data.frames 或tibbles。 （但是，您可以这样做，因为 data.frames 是列表的特殊情况。）

最后但同样重要的是，使用NULL 初始化变量rel.Volume 将导致错误，当您尝试重新分配给该变量时，因为您没有告诉R，rel.Volume 应该是什么。

如果你愿意，试试这个（感谢@Edo 提供示例数据）：

set.seed(1)

Volume <- data.frame(ID = sample(letters, 30, TRUE),
                     GR = sample(LETTERS, 30, TRUE),
                     Vol1 = rnorm(30),
                     Vol2 = rnorm(30),
                     Vol3 = rnorm(30))

rel.Volume <- Volume[1:2] # Assuming you want to keep the IDs.
# Your data.frame will need to have the correct number of rows here already.

for (i in 3:ncol(Volume)){ # ncol gives the total number of columns in data.frame
  rel.Volume[i]  = Volume[i]/Volume[3]
}

更类似于R 的方法是完全避免使用for 循环，因为R 的优势在于隐式矢量化。这些表达式将在没有循环的情况下产生相同的结果：

# OK, this one messes up variable names...
rel.V.2 <- data.frame(sapply(X = Volume[3:5], FUN = function(x) x/Volume[3]))

rel.V.3 <- data.frame(Map(`/`, Volume[3:5], Volume[3]))

既然您说您是 R 的新手，坦率地说，我建议您在学习基础知识时避免使用 Tidyverse-packages。根据我的经验，从长远来看，您最好先学习基础-R，然后在您更熟悉核心语言时添加“糖”。以后你仍然可以学习使用 Tidyverse 函数（但是，为什么会有人呢？;-)）。