如何遍历列表并在 R 中创建单独的数据框

Question

我正在尝试获取人口普查局按县划分的整个美国的移民数据。由于数据的大小，人口普查要求您为数据导入指定“区域”（即州或县）。所以我需要遍历所有状态的列表（通过 fips 代码），以获取所有导入的数据。我需要的输出是每个状态的单独数据帧，然后我可以使用这些数据帧并将其组合成一个大数据帧。这是我编写的代码示例：

library(censusapi)

states <- c("01","02")
for(i in 1:length(states)) {
   region = str_glue("state:{states[i]}")
   migr = str_glue("migr2010_{states[i]}")
   migr <- getCensus(name = "acs/flows", vintage = 2010,
                     key = "*myAPIkey*",
                     vars = c("MOVEDNET", "MOVEDIN", "MOVEDOUT", "AGE"),
                     region = "county:*", regionin = region)
}

我想要得到的是每个名为“migr2010_01”、“migr2010_02”等的状态的单独数据框。我实际上得到的是一个名为“migr”的数据框，其中只有列表中最后一个状态的数据.我知道我的循环中有问题，但我不确定我需要在哪里进行更改，因为我是 R 循环的新手。 感谢您的任何想法。

Answer 1

只需将您的流程变成一个函数并传递给lapply 或更好的sapply 用于命名列表（因为它输入一个字符向量）。重新考虑保存类似的结构，并且可能单独保存许多对象，但使用 一个 命名的数据框列表。避免不必要地淹没全球环境：

library(stringr)
library(censusapi)

states <- c("01","02")

get_census_data <- function(st)
   region = str_glue("state:{st}")
   migr = str_glue("migr2010_{st}")

   migr <- getCensus(name = "acs/flows", vintage = 2010,
                     key = "*myAPIkey*",
                     vars = c("MOVEDNET", "MOVEDIN", "MOVEDOUT", "AGE"),
                     region = "county:*", regionin = region)
}

df_list <- sapply(states, get_census_data, simplify=FALSE)
# df_list <- setNames(lapply(states, get_census_data), states)   # EQUIVALENT CALL

如果数据框存储在列表中而不是单独的对象中，则不会丢失数据框的功能：

str(df_list$`01`)
head(df_list$`01`)
summary(df_list$`01`)

dim(df_list$`02`)
tail(df_list$`02`)
table(df_list$`02`)

Answer 2

FAQ 7.21 部分回答了这个问题。该答案最重要的部分是它说使用列表更容易的结尾。

您的代码可以转换为：

library(censusapi)
library(stringr)

states <- c("01","02")
migr.list <- lapply( states, function(x) {
   region = str_glue("state:{x}")
   migr = str_glue("migr2010_{x}")
   getCensus(name = "acs/flows", vintage = 2010,
                     key = "*myAPIkey*",
                     vars = c("MOVEDNET", "MOVEDIN", "MOVEDOUT", "AGE"),
                     region = "county:*", regionin = region)
})
names(migr.list) <- sprintf("migr2010_%s", states) # optional

现在migr.list 将是一个列表对象，每个元素都是getCensus 返回的数据框。如果您想将这些全部组合成 1 个数据框，您可以使用如下代码：

migr <- do.call(rbind, migr.list)

如果您想在每个状态分别运行相同的代码，那么您可以使用lapply 或相关函数。从长远来看，这将比在循环中使用 get 和 assign 更简单，更不容易出错。

Answer 3

您现有的代码创建一个名为migr 的对象，并为其分配一个字符串，其中包含您要创建的data.frame 的名称。然后用从 Census 中提取的 data.frame 覆盖 migr 对象。循环的每次迭代都会覆盖migr，这就是为什么只保存循环最后一次迭代的数据，然后只保存为名为@9​​87654325@的data.frame。

相反，您需要使用assign 命令将您从人口普查中提取的数据分配给存储在migr 中的值，如下所示：

library(censusapi)

states <- c("01","02")
for(i in 1:length(states)) {
   region = str_glue("state:{states[i]}")
   migr = str_glue("migr2010_{states[i]}")
   assign(
     x = migr,
     value = getCensus(name = "acs/flows", vintage = 2010,
                       key = "*myAPIkey*",
                       vars = c("MOVEDNET", "MOVEDIN", "MOVEDOUT", "AGE"),
                       region = "county:*", regionin = region)
   )
}

编辑

正如其他人所提到的，使用 data.frames 列表可能更容易，而不是在全局环境中创建多个。最简单的创建方法是使用lapply，如下：

 migr2010 <- lapply(
   paste0("state:", c("01", "02")),  # replaces region in the original
   getCensus,
   name = "acs/flows",
   vintage = 2010,
   key = "*myAPIkey*",
   vars = c("MOVEDNET", "MOVEDIN", "MOVEDOUT", "AGE"),
   region = "county:*"
   )

然后，如果您想从中创建单个 data.frame，您可以使用 dplyr::bind_rows(migr2010)、data.table::rbindlist(migr2010) 或 do.call(rbind, migr2010)（尽管 do.call 比其他两个慢得多）。