1

sapplyとwhich.minを使用して、条件を満たすデータフレーム内の最初の行を見つけようとしたときに見つかったこの奇妙な動作を誰かが説明できますか？

データフレームはtrAprです。これは、customer_id（増加）、次にトランザクションvisit_date（増加）でソートされます。customer_idごとに、trAprの最初のトランザクションの行インデックスを検索します。（customer_idごとに全体的に可変数のトランザクションがありますが、これは重要ではありません。）

trApr is 'data.frame':  2195716 obs. of  3 variables:
 $ customer_id: int  2 2 2 2 2 2 2 2 2 2 ...
 $ visit_date : Date, format: "2011-04-02" "2011-04-06" "2011-04-07" "2011-04-08" ...
 $ visit_spend: num  37.12 32.51 4.55 31.35 42.49 ...

コードに関するその他の注意事項：

  • all_tr_cidsソートされた一意のcustomer_idのリストですunique(trApr$customer_id):)
  • n：mは、デバッグ中にデータフレームの小さなスライスを取得するために使用した単なるインデックスです。しかし、私はdf全体にsapplyをしたい

問題のコードは次のとおりです。

**GOOD:** I <- sapply(all_tr_cids[n:m], function(cid){ head(which(trApr$customer_id==cid),n=1) }, USE.NAMES=FALSE)
 [1] 1909 1928 1964 1970 1988 2037 2092 2113 2140 2182

**BAD:** I <- sapply(all_tr_cids[n:m], function(cid){ which.min(trApr$customer_id==cid) }, USE.NAMES=FALSE)
 [1] 1 1 1 1 1 1 1 1 1 1

sapplyによって返される中間の不規則なオブジェクトは以下のとおりです（intのリストの10個のリストです）。

which.minがそのような構造を処理できない場合は、1のリストを陽気に返すのではなく、実際に警告を発する必要があります。

sapply(all_tr_cids[n:m], function(cid){ which(trApr$customer_id==cid) }, USE.NAMES=FALSE)
[[1]]
 [1] 1909 1910 1911 1912 1913 1914 1915 1916 1917 1918 1919 1920 1921 1922 1923 1924 1925 1926 1927

[[2]]
 [1] 1928 1929 1930 1931 1932 1933 1934 1935 1936 1937 1938 1939 1940 1941 1942 1943 1944 1945 1946 1947 1948 1949 1950 1951 1952 1953 1954 1955 1956 1957
[31] 1958 1959 1960 1961 1962 1963

[[3]]
[1] 1964 1965 1966 1967 1968 1969

[[4]]
 [1] 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987

[[5]]
 [1] 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
[31] 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030 2031 2032 2033 2034 2035 2036

[[6]]
 [1] 2037 2038 2039 2040 2041 2042 2043 2044 2045 2046 2047 2048 2049 2050 2051 2052 2053 2054 2055 2056 2057 2058 2059 2060 2061 2062 2063 2064 2065 2066
[31] 2067 2068 2069 2070 2071 2072 2073 2074 2075 2076 2077 2078 2079 2080 2081 2082 2083 2084 2085 2086 2087 2088 2089 2090 2091

[[7]]
 [1] 2092 2093 2094 2095 2096 2097 2098 2099 2100 2101 2102 2103 2104 2105 2106 2107 2108 2109 2110 2111 2112

[[8]]
 [1] 2113 2114 2115 2116 2117 2118 2119 2120 2121 2122 2123 2124 2125 2126 2127 2128 2129 2130 2131 2132 2133 2134 2135 2136 2137 2138 2139

[[9]]
 [1] 2140 2141 2142 2143 2144 2145 2146 2147 2148 2149 2150 2151 2152 2153 2154 2155 2156 2157 2158 2159 2160 2161 2162 2163 2164 2165 2166 2167 2168 2169
[31] 2170 2171 2172 2173 2174 2175 2176 2177 2178 2179 2180 2181

[[10]]
 [1] 2182 2183 2184 2185 2186 2187 2188 2189 2190 2191 2192 2193 2194 2195 2196 2197 2198 2199 2200 2201 2202 2203 2204 2205 2206 2207 2208 2209 2210
4

2 に答える 2

4

関数を誤用していると思いますwhich.min。数値のベクトルを指定すると、最初に検出された最小値のインデックスが返されますが、ここでは論理ベクトルをtrApr$customer_id==cid指定しています。これは、数値に0/1として強制変換されるため、最初に検出されたFALSE値は最小値です。

詳細については、ドキュメントページを参照してくださいwhich.min：http ：//stat.ethz.ch/R-manual/R-devel/library/base/html/which.min.html

于 2011-11-14T09:30:11.023 に答える
3

それはあなたの使用にwhich.min()誤りがあります。TRUE論理ベクトル（とを含むものFALSE）を提供しています。これは明らかに数値データではないため、Rは論理を。にFALSE等しい以上の数値に強制します。つまり、実際には次のことを行っています。0TRUE1

R> which.min(c(TRUE,FALSE,FALSE,FALSE,FALSE))
[1] 2
R> which.min(c(FALSE,TRUE,FALSE,FALSE,FALSE,FALSE))
[1] 1

そのため、タイの最小値の最初which.min()の値、この場合は最初に検出された値を返します。したがって、すべてのがあなたの例で返されます。表示されている要素について、一致する顧客IDは、比較されたオブジェクトの最初の要素にありませんでした。FALSE1

あなたは次のようなものが欲しいです：

which.min(which(trApr$customer_id[trApr$customer_id==cid]))

ここで、最初にサブセット 化して、現在に一致するベクトルtrApr$customer_idの要素のみを返し（を使用して）、次に、から返される情報の最小値を要求します。これは次の場合に簡単になります：customer_idcidwhich()which()with()

with(trpApr, which.min(which(customer_id[customer_id == cid]))

どちらも、それcidが利用可能/アクセス可能であることを前提としています。つまり、最初に作成しました。

于 2011-11-14T09:31:45.293 に答える