我对R并不是很有经验，并且一直在努力重复几天的代码来填充数据矩阵。我的本能是创建一个for循环。
我是一名生物学专业的学生，致力于利用R包的色差来处理图像集之间的色差。相关数据已作为8x4矩阵列表加载到R中（每个矩阵描述一个图像中的颜色）。五张图像组成一组，总共有100套。每个集合都由一个数字标识（不是1-100，它是一个中断的序列，但是我已经将数字序列存储在称为“数字列表”的向量中）。我已经编写了代码，以正确的格式为第一组提取所需的数据，如下所示；
## extract the list of matrices belonging to the first set (A3) from the the full list
A3<-histlist[grep('^3',names(histlist))]
## create a colour distance matrix (cdm), ie a pairwise comparison of "similarity" between the five matrices stored in A3
cdm3<-colordistance::getColorDistanceMatrix(A3, method="emd", plotting=FALSE)
## convert to data frame to fix row names
cdm3df<-as.data.frame(cdm3)
## remove column names
names(cdm3df)<-NULL
## return elements in the first row and column 2-5 only (retains row names).
cdm3filtered<-cdm3df[1,2:5]
现在，我想用“数字列表”中的每个数字替换上面代码中的“ 3”（不确定它们应为as.factor还是as.numeric）。我尝试了很多尝试，for (i in numberlist) {...}但没有成功输出。对我来说，将循环的输出存储在存储矩阵中是有意义的。matrix(nrow=100,ncol=4)但是我非常困窘，无法通过迭代上面的代码来逐行填充存储矩阵...
任何帮助将不胜感激！
我希望循环的输出看起来像什么（+附加在存储矩阵中）；
> cdm17filtered
17clr 0.09246918 0.1176651 0.1220622 0.1323586
这是我的尝试：
for (i in numberlist$X) {
A[i] <- histlist[grep(paste0('^',i),names(histlist))]
cdm[i] <- colordistance::getColorDistanceMatrix(A[i], method="emd", plotting=FALSE)
cdm[i]df <- as.data.frame(cdm[i])
cdm[i]filtered <- cdm[i]df[1,2:5]
print(A[i]) # *insert in n'th column of storage matrix
}
上面的方法不起作用，并且我缺少在存储矩阵中存储循环输出所需的最后一位。（建议我不要使用rbind来填充存储矩阵，因为它很慢。）
在尝试中，您使用了无效的R名称，其中的非字母数字字符未转义，cdm[i]df和cdm[i]filtered。看来您打算从较大的容器（例如对象列表）中进行索引。
要正确地概括编号列表中所有项目的流程，请调整^3设置。具体来说，构建空列表并循环地通过index分配[i]：
# INITIALIZE LISTS (SAME LENGTH AS numberlist)
A <- vector(mode="list", length = length(numberlist))
cdm_matrices <- vector(mode="list", length = length(numberlist))
cdm_dfs <- vector(mode="list", length = length(numberlist))
cdm_filtered_dfs <- vector(mode="list", length = length(numberlist))
# POPULATE LISTS
for (i in numberlist$X) {
## extract the list of matrices belonging to the first set
A[i] <- histlist[grep(paste0('^', i), names(histlist))]
## create a colour distance matrix (cdm)
cdm_matrices[i] <- colordistance::getColorDistanceMatrix(A[i], method="emd", plotting=FALSE)
## convert to data frame to fix row names and remove column names
cdm_dfs[i] <- setNames(as.data.frame(cdm_matrices[i]), NULL)
## return elements in the first row and column 2-5 only (retains row names).
cdm_filtered_dfs[i] <- cdm_dfs[i][1,2:5]
}
或者，如果仅需要cdm_filtered_df返回的最后一个对象，则lapply在不需要使用列表或对列表进行索引的情况下使用，并且所有对象在功能范围内都是本地的（即，从未保存在全局环境中）：
cdm_build <- function(i) {
A <- histlist[grep(paste0('^', i), names(histlist))]
cdm <- colordistance::getColorDistanceMatrix(A, method="emd", plotting=FALSE)
cdm_df <- setNames(as.data.frame(cdm), NULL)
cdm_filtered_df <- cdm_df[1,2:5]
return(cdm_filtered_df) # REDUNDANT AS LAST LINE IS RETURNED BY DEFAULT
}
# LIST OF FILTERED CDM DATA FRAMES
cdm_filtered_dfs <- lapply(numberlist, cdm_build)
最后，使用上述两种解决方案时，如果要构建单个数据帧，请在rbind中运行do.call()：
cdm_final_df <- do.call(rbind, cdm_filtered_dfs)
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句