R - 如何使用在 for 循环中创建的变量作为数据框中的列名？答案

【问题标题】：R - How to use a variable created in a for loop as a column name in a data frame?R - 如何使用在 for 循环中创建的变量作为数据框中的列名？
【发布时间】：2021-03-20 15:09:29
【问题描述】：

我有 2 个问题；在第一个 FOR 中，我创建了一个名为“column”的变量名，并且在每个循环中，我想将此列名用作分组变量。在第二个 FOR 中，我想通过再次使用“列”变量为数据框变量分配一些值。假设在第一个循环中我想要“df$var1

# Dataset
df <- tibble(
  var1 = c(rep("a", 5), rep("b", 5)),
  var2 = c(rep("c", 3), rep("d", 7)),
  var3 = rnorm(10)
)

# First Loop
for(x in 1:2) {
  column <- paste0("var", x)
  df2 <- df %>% group_by(column) %>% summarize(total = n())
}

# Second Loop
for(x in 1:2) {
  column <- paste0("var", x)
  df$column <- 999
}

【问题讨论】：

标签： r dplyr

【解决方案1】：

对于您的第一个问题，您可以将!!sym() 包裹在“column”周围，即!!sym(column) 会将“column”视为一个符号，并允许您在group_by 中调用变量名称。

对于第二个问题，在为数据框列分配变量名称时，最好使用[ 而不是$。这将起作用，df[[column]]。

【讨论】：

!!sym() 和 [[..]] 都可以完美运行。非常感谢。

【解决方案2】：

我一开始不会将 tidyverse 与 for 循环混合使用。有可能，它可以很好地工作，但你在 base 和 tidyverse 中都有优雅的解决方案

# Base:
lapply(1:2, function(x) table(df[, x]))

 #It will return
[[1]]
a b 
5 5 

[[2]]
c d 
3 7

这是你可以使用的东西。至于第二次手术，描述的很模糊。然而，我觉得你看起来像这样：

#Base:
for(x in 1:2) {
 df[, x] <- 999
}

#Returning
> df
# A tibble: 10 x 3
    var1  var2    var3
   <dbl> <dbl>   <dbl>
 1   999   999  1.01  
 2   999   999  1.01  
 3   999   999 -0.982 
 4   999   999  0.0672
 5   999   999  2.58  
 6   999   999  1.47  
 7   999   999  0.993 
 8   999   999  1.07  
 9   999   999  0.781 
10   999   999 -1.15

这没有多大意义。如果您尝试分配不同的值。你可以这样做：

#define values
vars <- list(999, 1:10)

for(i in 1:2) {
 df[, i] <- vars[[i]]
}

> df
# A tibble: 10 x 3
    var1  var2   var3
   <dbl> <int>  <dbl>
 1   999     1 -0.115
 2   999     2  0.349
 3   999     3 -0.675
 4   999     4 -0.725
 5   999     5 -0.634
 6   999     6 -0.748
 7   999     7  2.71 
 8   999     8 -2.09 
 9   999     9  1.45 
10   999    10  0.176

这能回答你的问题吗？

【讨论】：

对于 lapply 的第一个答案；它适用于这个例子，但我试图使用我在分组时在 for 循环中创建的“列”变量。我想看看“group_by(column)”命令在每个循环中是如何工作的。对于我的第二个问题，我再次尝试使“列”变量与我的数据框一起使用。我的问题是在赋值时不能使用“df$column”。

【解决方案3】：

不确定您想要的最终输出是什么，但您可以尝试以下代码，如果需要，应该可以扩大规模：

library(tidyverse)

##create simple count function
count_col <- function(col){
  df %>% count(!!sym(col))
}

## define your columns for counting
cols <- names(df[1:2])
## map as a list
map(cols,count_col)

## map as dataframe with separate columns
map_dfc(cols,count_col)


## change all values in specified columns
df[,cols] <- 999

## which is the same as
df[,1:2] <- 999

【讨论】：