R中的均值函数尽管改变了要计算的参数，但仍然给我相同的输出

Question

 pollutantmean <- function(directory, pollutant, ID = 1:332){
+   files_list <- list.files("specdata", full.names = TRUE)
+   dat <- data.frame()
+   for (i in 1:332){
+     dat <- rbind(dat, read.csv(files_list[i]))
+   }
+   dat_subset <- subset(dat, dat$ID == ID)
+   mean(dat_subset$nitrate, na.rm = TRUE)
+   mean(dat_subset$sulfate, na.rm = TRUE)
+ }

1 3.189369污染平均(硝酸盐，70:72) 1 3.189369污染平均(“规格数据”，“硫酸盐”，1:10) 1 3.189369

Answer 1

我认为问题是因为dat不存在，所以我们可以尝试：

if(exist("dat")== FALSE){
dat <- read.csv(i)
}else{
dat <- rbind(dat, read.csv(files_list[i]))
}

Answer 2

您所观察到的行为是由行引起的。

dat_subset <- subset(dat, dat$ID == ID)

subset将在第一个参数中查找第二个参数中的任何变量。因此，当您说dat$ID == ID时，它首先在dat中查找ID。因为dat有一个名为ID的元素，所以它等同于表示dat$ID == dat$ID。因此，您实际上没有得到数据的子集；您使用的是完整的数据集。

为了说明，让我们使用mtcars数据集。此数据集有32行。其中一个列名为am，它由值0和1组成，指示车辆是自动变速器还是手动变速器。

nrow(mtcars)
[1] 32

让我们在am上定义一个子集am的向量

am <- 0

当我们对am进行子集时，我们只想在mtcars中得到am == 0中的那些行。

nrow(subset(mtcars, mtcars$am %in% am))
[1] 32

不过，这似乎不管用。注意，如果使用下一行，则得到相同的结果。

nrow(subset(mtcars, am %in% am))
[1] 32

现在，让我们更改我们的子集向量的名称，看看会发生什么。

am_list <- 0
nrow(subset(mtcars, am %in% am_list))
[1] 19

在本例中，subset没有在mtcars中找到一个名为am_list的列，因此它在mtcars之外查找一个名为am_list的对象。这种行为是?subset中警告背后的原因之一

这是一个便于交互使用的功能。对于编程来说，最好使用[这样的标准子集设置函数，特别是参数子集的非标准计算可能会产生意想不到的后果。

我认为你最好用这种方式写你的函数(我冒昧地重写了它)。

pollutantmean <- function(directory, pollutant, ID = 1:332){
  # Get file names from directory argument
  files_list <- list.files(directory, full.names = TRUE)

  # Create a single data frame from all of the files
  dat <- lapply(files_list,
                read.csv)
  dat <- do.call("rbind", dat)

  # Subset the data appropriately
  dat_subset <- dat[dat$ID %in% ID, ]

  # Get the mean of the two columns, return in a list
  lapply(dat_subset[c("nitrate", "sulfate")],
         mean,
         na.rm = TRUE)
}