R 3.1.0函数取NA值列的平均值

Question

我有一套CSV文件。每个CSV文件都有一个唯一的ID，还有“日期”、“硫酸盐”、“硝酸盐”等其他列。这是关于空气污染的数据。

该函数必须使用3个参数：“目录”、“污染物”、"id“。

这是原始数据格式(用于001.csv文件)：

Date        Sulfate    Nitrate    ID
2013-02-04  2.27       NA         1
2013-02-05  NA         1.15       1

到目前为止，这是我的职责：

pollutantmean <- function (directory, pollutant, id = 1:332){
  files_full <- list.files (directory, full.names = TRUE)
  dat <- data.frame ()
  for (i in id){
    dat <- rbind (dat, files_full[i])
  }
  datasub <- dat[,pollutant]
  }

1)用户输入以下内容：“污染”(“规范数据”，“硝酸盐”，70:72)

他们应该得到(欲望输出)：

1.706

相反，我得到了：

Error in `[.data.frame`(dat, , pollutant) : undefined columns selected 

 In addition: Warning messages:
1: In `[<-.factor`(`*tmp*`, ri, value = "specdata/071.csv") :
  invalid factor level, NA generated
2: In `[<-.factor`(`*tmp*`, ri, value = "specdata/072.csv") :
  invalid factor level, NA generated

这些错误意味着什么？

Answer 1

我发现你的代码有两个问题

1. list.files只是列出了你的文件。它不会将文件读取到工作空间
2. 在设置data.frame时，必须将列名指定为字符。例: dat，"column_name“

我已经修改了这个函数，让你试试这个。

    pollutantmean <- function (directory, pollutant, id = 1:332){
      files_full <- list.files (directory, full.names = TRUE)
      dat <- data.frame()
      for (i in id){

        dat <- rbind (dat, read.table(files_full[i],sep="",.......))
      }
      datasub <- dat[,"pollutant"]

  }

更快的方法是使用data.table包。为了在这里警告您，您只需要给子集data.table提供列名，而不是作为字符。例: dat，column_name

    pollutantmean <- function (directory, pollutant, id = 1:332){
      library(data.table)

      files_full <- list.files (directory, full.names = TRUE)
      dat_list <- list()
      for (i in id){

        dat_list[[i]] <- fread(files_full[i],sep="",.......)
      }
      dat <- rbindlist(dat_list)
      return(mean(dat[,pollutant]))

  }