如何修改R程序以减少for循环的使用？

Question

我在下面的地址做第二部分的作业：

https://www.coursera.org/learn/r-programming/supplement/amLgW/programming-assignment-1-instructions-air-pollution

问: zip文件包含332个逗号分隔值(CSV)文件，其中包含美国332个地点的细颗粒物(PM)空气污染监测数据。每个文件包含来自单个监视器的数据，每个监视器的ID号包含在文件名中。例如，监视器200的数据包含在文件"200.csv“中。每个文件包含三个变量：

日期:以YYYY-MM-DD格式表示的观测日期(年-月-日)硫酸盐:该日期空气中硫酸盐PM的水平(以微克/立方米衡量)硝酸盐:该日期空气中硝酸盐PM的水平(以微克/立方米衡量)对于此编程任务，您将需要解压缩此文件并创建目录'specdata‘。解压zip文件后，不要对“specdata”目录中的文件进行任何修改。在每个文件中，您会注意到有许多天缺少硫酸盐或硝酸盐(或两者都缺少)(编码为NA)。这在美国的空气污染监测数据中很常见。

第2部分

编写一个函数，读取一个满是文件的目录，并报告每个数据文件中完全观察到的案例的数量。该函数应返回一个数据框，其中第一列是文件名，第二列是完整案例的数量。

我的代码如下：

complete <- function(directory="d:/dev/r/documents/specdata", id)   {
df <- data.frame(no=integer(), nobs=integer())
for (i in id)   {
    sum=0
    myfilename = paste(directory,"/",formatC(i, width=3, flag="0"),".csv",
                       sep="") 
    masterfile = read.table(myfilename, header=TRUE, sep=",")
    for (j in 1:nrow(masterfile)){
        if (!is.na(masterfile[j, 2]) && !is.na(masterfile[j, 3])){
            sum = sum + 1
        }
    }
    df[i,]<-c(i, sum)
}
df
}

注意，我把所有的001.csv，002.csv，...在目录d:/dev/r/document/specdata中，这就是为什么我在参数中使用此字符串作为默认值的原因。您可以看到我使用嵌套的for循环来实现这一点，并且我意识到我应该能够用lapply替换至少一个for循环。但是我正在努力解决这个问题，因为我非常熟悉C++，所以我真的不知道如何实现lapply。我在Stackoverflow上读了一些代码，我能理解其中的大部分，但当涉及到编写我自己的代码时，我无法让它工作。

提前感谢！在此期间，我会再试一次。

Answer 1

您可以首先将内部循环替换为如下所示：

rows_to_sum <- !is.na(masterfile[, 2]) & !is.na(masterfile[, 3])
df[i,] <- sum(masterfile[rows_to_sum, 1])

Answer 2

这个作业通过多次使用短语"complete cases“给你一个提示。您应该查看R函数complete.cases()。它将取代对内部for循环的需求。

对于每个文件，运行complete.cases(文件)。计算返回的向量中的TRUE元素的数量。输出文件名和上面的计数。