Ошибка применения определенной функции ко всем строкам фрейма данных
Заранее извиняюсь, если до этого уже обращались, но я попытался просмотреть все вопросы, связанные с ddply, sapply и apply, и не могу на всю жизнь понять это...
Я написал функцию countMonths, которая принимает день, месяц и общее количество дней в цикле выставления счетов в качестве аргументов и возвращает количество календарных месяцев, частью которых был платежный цикл:
countMonths <- function(day, month, cycle.days) {
month.days <- c(31, 28, 31, 30, 31, 30, 31, 31, 30, 31, 30, 31)
if (month < 1 | month > 12 | floor(month) != month) {
cat("Invalid month value, must be an integer from 1 to 12")
} else if (day < 1 | day > month.days[month]) {
cat("Invalid day value, must be between 1 and month.days[month]")
} else if (cycle.days < 0) {
cat("Invalid cycle.days value, must be >= 0")
} else {
nmonths <- 1
day.ct <- cycle.days - day
while (day.ct > 0) {
nmonths <- nmonths + 1
month <- ifelse(month == 1, 12, month - 1) # sets to previous month
day.ct <- day.ct - month.days[month] # subtracts days of previous month
}
nmonths
}
}
Я хотел бы применить эту функцию к каждой строке в data.frame, содержащей платежные записи клиента, например
> head(cons2[-1],10)
kwh cycle.days read.date row.index year month day kwh.per.day
1 381 29 2010-09-02 1 2010 9 2 13.137931
2 280 32 2010-10-04 2 2010 10 4 8.750000
3 282 29 2010-11-02 3 2010 11 2 9.724138
4 330 34 2010-12-06 4 2010 12 6 9.705882
5 371 30 2011-01-05 5 2011 1 5 12.366667
6 405 30 2011-02-04 6 2011 2 4 13.500000
7 441 32 2011-03-08 7 2011 3 8 13.781250
8 290 29 2011-04-06 8 2011 4 6 10.000000
9 296 29 2011-05-05 9 2011 5 5 10.206897
10 378 32 2011-06-06 10 2011 6 6 11.812500
> dput(head(cons2[-1],10))
structure(list(kwh = c(381L, 280L, 282L, 330L, 371L, 405L, 441L,
290L, 296L, 378L), cycle.days = c(29L, 32L, 29L, 34L, 30L, 30L,
32L, 29L, 29L, 32L), read.date = structure(c(1283385600, 1286150400,
1288656000, 1291593600, 1294185600, 1296777600, 1299542400, 1302048000,
1304553600, 1307318400), class = c("POSIXct", "POSIXt"), tzone = "UTC"),
row.index = 1:10, year = c(2010, 2010, 2010, 2010, 2011,
2011, 2011, 2011, 2011, 2011), month = c(9, 10, 11, 12, 1,
2, 3, 4, 5, 6), day = c(2L, 4L, 2L, 6L, 5L, 4L, 8L, 6L, 5L,
6L), kwh.per.day = c(13.1379310344828, 8.75, 9.72413793103448,
9.70588235294118, 12.3666666666667, 13.5, 13.78125, 10, 10.2068965517241,
11.8125)), .Names = c("kwh", "cycle.days", "read.date", "row.index",
"year", "month", "day", "kwh.per.day"), row.names = c(NA, 10L
), class = "data.frame")
Я попробовал пару вариантов, и ни один не работает хорошо. В частности, мне нужно иметь возможность передавать значение данной переменной в виде скаляра (или вектора длины-1) для каждой строки во фрейме данных, но они всегда передаются как векторы:
> cons2$tot.months <- countMonths(cons2$day, cons2$month, cons2$cycle.days)
Warning messages:
1: In if (month < 1 | month > 12 | floor(month) != month) { :
the condition has length > 1 and only the first element will be used
2: In if (day < 1 | day > month.days[month]) { :
the condition has length > 1 and only the first element will be used
3: In if (cycle.days < 0) { :
the condition has length > 1 and only the first element will be used
4: In while (day.ct > 0) { :
the condition has length > 1 and only the first element will be used
5: In while (day.ct > 0) { :
the condition has length > 1 and only the first element will be used
Я наконец смог получить правильный результат, используя ddply, рассматривая каждую строку как свою собственную группу, но это занимает ДЛИННОЕ время:
cons2 <- ddply(cons2, .(account, year, month, day), transform,
tot.months = countMonths(day, month, cycle.days)
)
Есть ли лучший способ применить эту функцию к каждой строке моего фрейма данных? Или, как связанный вопрос, как я могу передать переменные из фрейма данных в качестве скалярных аргументов (значение из данной строки) вместо вектора всех значений этого var в фрейме данных? Я был бы особенно признателен, если бы кто-то мог указать, где я ошибаюсь концептуально в своем мышлении.
1 ответ
Чтобы заставить функцию работать, вы можете использовать mapply которая будет последовательно применять вашу функцию к каждому элементу всех векторов, которые вы передаете ей. Так что вы могли бы сделать:
mapply(countMonths,cons2$day,cons2$month,cons2$cycle.days)
Есть более простые способы сделать это, как я уже упоминал в своем комментарии. Например, я думаю, что это будет работать:
cons2$read.date=as.Date(cons2$read.date)
monnb <- function(d){ lt <- as.POSIXlt(as.Date(d, origin="1900-01-01")); lt$year*12 + lt$mon }
mondf <- function(d1, d2) monnb(d2) - monnb(d1)
mondf(cons2$read.date-cons2$cycle.days,cons2$read.date) + 1
Кроме того, я заметил, что вы пытались поймать все условия, когда ваша функция не будет работать, и это здорово! Есть очень удобная функция под названием stopifnot которая послужит этой цели:
countMonths <- function(day, month, cycle.days) {
month.days <- c(31, 28, 31, 30, 31, 30, 31, 31, 30, 31, 30, 31)
stopifnot(month >=1 & month <= 12 & floor(month)==month & cycle.days >=0 & day >= 1 & day <= month.days[month])
nmonths <- 1
day.ct <- cycle.days - day
while (day.ct > 0) {
nmonths <- nmonths + 1
month <- ifelse(month == 1, 12, month - 1) # sets to previous month
day.ct <- day.ct - month.days[month] # subtracts days of previous month
}
nmonths
}
Что касается комментариев к вашей функции, я думаю, что она работает, но она не использует в своих интересах векторные операции в R. Функция, которую я получил от этого другого ответа, очень удобна, потому что она позволяет вам передать ей целый вектор дат в один раз, а не последовательно проходить через каждый из них.