时间戳

首页 > 解决方案 > 跨多列应用函数并写入 R 中的 csv

r - 跨多列应用函数并写入 R 中的 csv

问题描述

R初学者，我的问题是：如何更改此功能，以便它可以在我的所有时间段内使用，而无需一遍又一遍地复制和粘贴该功能？时间段在函数中由from = X$pre.start1[i]和to = X$pre.start2[i]参数指示。我也希望所有结果都包含在一个 .csv 文件中。那可能吗？我知道此功能有效，并且我过去曾通过复制它并更改时间段来使用它，但是对于具有此类数据的多个电子表格，以这种方式应用很乏味。因此，我希望对其进行修改，以免复制和粘贴数百次。

功能：


ADIanalyzeFUN <- function(X) {
  adianalyzeFUN <- function(X, i){
    r <- read_wave(X$sound.files[i], from = X$pre.start1[i], to = X$pre.start2[i])
    soundfile.adi <- acoustic_diversity(r)
    return(soundfile.adi$adi_left)
    return(soundfile.adi$adi_right)
  }
  output <- vector("logical", ncol(X)) 
  for (i in seq_along(X$sound.files)) {     
    output[[i]] <- adianalyzeFUN(X, i)
  }
  
  X$adi.values.pre1to2 <-output
  write.csv(X, "/media/parks/Seagate Portable Drive 2 (2tb)/Parks/2021 Threat Experiment/ADI index values/ADI01.csv", row.names = TRUE)
}

下面是数据示例 每列是以秒为单位的时间列表，我将该函数应用于波文件的一次和下一次之间，例如在 pre.start1 和 pre.start2 之间。

  pre.start1 pre.start2 pre.start3 pre.start4 pre.start5 pre.start6 pre.start7 pre.start8 pre.start9 pre.start10 pre.end duringpb.start1
1       2304       2364       2424       2484       2544       2604       2664       2724       2784        2844    2904            2964
2       1386       1446       1506       1566       1626       1686       1746       1806       1866        1926    1986            2046
3       1680       1740       1800       1860       1920       1980       2040       2100       2160        2220    2280            2340
4       1553       1613       1673       1733       1793       1853       1913       1973       2033        2093    2153            2213
5       1661       1721       1781       1841       1901       1961       2021       2081       2141        2201    2261            2321
6       1728       1788       1848       1908       1968       2028       2088       2148       2208        2268    2328            2388
  duringpb.end1 duringpb.start2 duringpb.end2 duringpb.start3 duringpb.end3 duringpb.start4 duringpb.end4 duringpb.start5 duringpb.end5
1          3024            3084          3144            3204          3264            3324          3384            3444          3504
2          2106            2166          2226            2286          2346            2406          2466            2526          2586
3          2400            2460          2520            2580          2640            2700          2760            2820          2880
4          2273            2333          2393            2453          2513            2573          2633            2693          2753
5          2381            2441          2501            2561          2621            2681          2741            2801          2861
6          2448            2508          2568            2628          2688            2748          2808            2868          2928```

Thanks for any help!

I would like the output to be something like:
 X pre.start1-pre.start2 pre.start2-pr.estart3 pre.start3-pre.start4
1                  0.86                  0.56                  0.89
2                  0.27                  0.09                  0.03
3                  0.18                  0.10                  0.55
4                  0.39                  0.52                  0.74
5                  0.14                  0.17                  0.97
6                  0.91                  0.64                  0.71

标签： rfunctionloops

解决方案

你可以使用purrr包和他们的地图变体称为map2_df()（这个包是的一部分Tidyverse）

您的示例不容易重现，因此这是一个示例，该示例从日期集中获取 2 个第一列，iris并使用每行的总和构造一个数据框（tibble在本例中为 a）并将其放入一个数据框中。

library(tidyverse)

iris %>% tibble 
#> # A tibble: 150 × 5
#>    Sepal.Length Sepal.Width Petal.Length Petal.Width Species
#>           <dbl>       <dbl>        <dbl>       <dbl> <fct>  
#>  1          5.1         3.5          1.4         0.2 setosa 
#>  2          4.9         3            1.4         0.2 setosa 
#>  3          4.7         3.2          1.3         0.2 setosa 
#>  4          4.6         3.1          1.5         0.2 setosa 
#>  5          5           3.6          1.4         0.2 setosa 
#>  6          5.4         3.9          1.7         0.4 setosa 
#>  7          4.6         3.4          1.4         0.3 setosa 
#>  8          5           3.4          1.5         0.2 setosa 
#>  9          4.4         2.9          1.4         0.2 setosa 
#> 10          4.9         3.1          1.5         0.1 setosa 
#> # … with 140 more rows

map2_df(
  .x = iris$Sepal.Length,
  .y = iris$Sepal.Width,
  .f = ~ tibble("sum" = sum(c(.x, .y)))
  )
#> # A tibble: 150 × 1
#>      sum
#>    <dbl>
#>  1   8.6
#>  2   7.9
#>  3   7.9
#>  4   7.7
#>  5   8.6
#>  6   9.3
#>  7   8  
#>  8   8.4
#>  9   7.3
#> 10   8  
#> # … with 140 more rows

由reprex 包（v2.0.1）于 2021-09-04 创建

推荐阅读