时间戳

首页 > 解决方案 > 函数的“for”循环

r - 函数的“for”循环

问题描述

我有以下数据集，其中包含 +7000 个城市，除以 21 个年龄段。列是“City”“City Code”（唯一）“Age Class”“N”和“D”。我必须为每个城市应用两个功能。我想知道是否可以编写一个for循环来自动执行此操作。

数据集如下：

City      City Code   Class     N      D
...
Rome       5800       95     6633   1900
Milano     1500       0      5000     7
Milano     1500       1     21900     2
Milano     1500       5     28000     1
...                  ...             ...
Milano     1500      90     12000    2000
Milano     1500      95     10000    1490
Venice     2700      0        742     3
...

对于每个城市，我必须执行以下程序：（
TOPALS_fit和e0是我之前提到的函数）

boundaries=c(0,1,seq(5,100,5))
N<-Milano$N
D<-Milano$D
names(N) = names(D) = head(boundaries,-1)

fit = TOPALS_fit(N,D,std,
                 age_group_bounds = boundaries,
                 details=TRUE)

h<-e0(fit$logm)
>h
[1] 85.27

（“fit”是 12 个列表，我对“logm”感兴趣）

问题是，对于每个城市，我都找到了一个值，我需要这样的输出：

City code      City             h
                ...
5800            Rome           84.5
1500            Milan          85.27
2700           Venice          84.38
                 ...

我不知道是否可以通过循环或其他东西来做到这一点（？）任何帮助都会非常感激。

标签： rdataframefor-loop

解决方案

这证明了这一点。for 循环遍历城市。您将获得带有 的城市列表unique(TotalDf[["City"]])。代码被注释并解释了自己（我希望）。

请注意：为了使其可执行，我必须模拟一些变量和函数。

# Sample data 
TotalDf <- read.table(header = TRUE, text = "
  City    CityCode   Class     N      D
  Rome       5800       95     6633   1900
  Milano     1500       0      5000     7
  Milano     1500       1     21900     2
  Milano     1500       5     28000     1
  Milano     1500      90     12000    2000
  Milano     1500      95     10000    1490
  Venice     2700      0        742     3")

# Mock function for demonstration purpose
TOPALS_fit <- function(N, D, std, age_group_bounds, details) {
  return(list(alpha = NA, D = D, N = N, std = std, logm = runif(1)))
}

# Mock function for demonstration purpose
e0 <- function(x) x

# Mock variable for demonstration purpose
std <- NA

# Allocate memory
ResultDf <- data.frame(
  CityCode = integer(length(unique(TotalDf[["City"]]))),
  City     = unique(TotalDf[["City"]]),
  h        = numeric(length(unique(TotalDf[["City"]])))
)

# 
boundaries <- c(0,1,seq(5,100,5))


for (City in unique(TotalDf[["City"]])) {
  # Subset data
  Data <- TotalDf[TotalDf["City"] == City, ]
  
  # Do your usual computations
  N <- Data$N
  D <- Data$D
  # names(N) <- names(D) <- head(boundaries, -1) # omitted for demo purpose
  
  fit = TOPALS_fit(N, D, std,
                   age_group_bounds = boundaries,
                   details=TRUE)
  
  h <- e0(fit$logm)
  
  # Put results into results data frame
  CityCode <- unique(TotalDf[TotalDf["City"] == City, "CityCode"])
  ResultDf[ResultDf[["City"]] == City, ] <- list(CityCode, City, h)
}
# Show result
ResultDf
#>   CityCode   City          h
#> 1     5800   Rome 0.24561078
#> 2     1500 Milano 0.01275526
#> 3     2700 Venice 0.25215130

由reprex 包于 2021-04-26 创建 (v2.0.0 )

推荐阅读