[Rstudio] Affectation de table à Variable dans une boucle FOR

Version imprimable

Bonjour !

Je suis confronté à un problème aujourd'hui qui m'a l'air pourtant pas bien compliqué à résoudre.
dans l'idée il me faut créer des tables pour chaque modalités de la colonne "data$colonne"
Code:

1 2 3 4 5 6 7 8 table_var1 <- subset(data, data$colonne == "var1") table_var2 <- subset(data, data$colonne == "var2") table_var3 <- subset(data, data$colonne == "var3") write.table(table_var1, ...) write.table(table_var2, ...) write.table(table_var3, ...)
Ce que je cherche à faire ici et de pouvoir implémenter ce code dans une boucle car il y aura des colonnes avec bien plus de modalités.
C'est pourquoi j'ai créé ce code qui n'est pas encore fonctionnel.
Code:

1 2 3 4 for (i in as.character(unique(data$colonne))){ i <- subset(data, data$colonne == i) }
Output (réel) = une table nommée i
Output (voulu) = 3 tables nommées var1, var2, var3,
Quelqu'un aurait-il des pistes à explorer ?

En vous remerciant d'avance.
Mano

Diviser un dataframe en fonction d'une variable

Bonjour,

Il ne faut pas raisonner en boucles dans R.

Une proposition :

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
> airquality.month <- split(airquality, airquality$Month)
> str(airquality.month)
List of 5
 $ 5:'data.frame':      31 obs. of  6 variables:
  ..$ Ozone  : int [1:31] 41 36 12 18 NA 28 23 19 8 NA ...
  ..$ Solar.R: int [1:31] 190 118 149 313 NA NA 299 99 19 194 ...
  ..$ Wind   : num [1:31] 7.4 8 12.6 11.5 14.3 14.9 8.6 13.8 20.1 8.6 ...
  ..$ Temp   : int [1:31] 67 72 74 62 56 66 65 59 61 69 ...
  ..$ Month  : int [1:31] 5 5 5 5 5 5 5 5 5 5 ...
  ..$ Day    : int [1:31] 1 2 3 4 5 6 7 8 9 10 ...
 $ 6:'data.frame':      30 obs. of  6 variables:
  ..$ Ozone  : int [1:30] NA NA NA NA NA NA 29 NA 71 39 ...
  ..$ Solar.R: int [1:30] 286 287 242 186 220 264 127 273 291 323 ...
  ..$ Wind   : num [1:30] 8.6 9.7 16.1 9.2 8.6 14.3 9.7 6.9 13.8 11.5 ...
  ..$ Temp   : int [1:30] 78 74 67 84 85 79 82 87 90 87 ...
  ..$ Month  : int [1:30] 6 6 6 6 6 6 6 6 6 6 ...
  ..$ Day    : int [1:30] 1 2 3 4 5 6 7 8 9 10 ...
 $ 7:'data.frame':      31 obs. of  6 variables:
  ..$ Ozone  : int [1:31] 135 49 32 NA 64 40 77 97 97 85 ...
  ..$ Solar.R: int [1:31] 269 248 236 101 175 314 276 267 272 175 ...
  ..$ Wind   : num [1:31] 4.1 9.2 9.2 10.9 4.6 10.9 5.1 6.3 5.7 7.4 ...
  ..$ Temp   : int [1:31] 84 85 81 84 83 83 88 92 92 89 ...
  ..$ Month  : int [1:31] 7 7 7 7 7 7 7 7 7 7 ...
  ..$ Day    : int [1:31] 1 2 3 4 5 6 7 8 9 10 ...
 $ 8:'data.frame':      31 obs. of  6 variables:
  ..$ Ozone  : int [1:31] 39 9 16 78 35 66 122 89 110 NA ...
  ..$ Solar.R: int [1:31] 83 24 77 NA NA NA 255 229 207 222 ...
  ..$ Wind   : num [1:31] 6.9 13.8 7.4 6.9 7.4 4.6 4 10.3 8 8.6 ...
  ..$ Temp   : int [1:31] 81 81 82 86 85 87 89 90 90 92 ...
  ..$ Month  : int [1:31] 8 8 8 8 8 8 8 8 8 8 ...
  ..$ Day    : int [1:31] 1 2 3 4 5 6 7 8 9 10 ...
 $ 9:'data.frame':      30 obs. of  6 variables:
  ..$ Ozone  : int [1:30] 96 78 73 91 47 32 20 23 21 24 ...
  ..$ Solar.R: int [1:30] 167 197 183 189 95 92 252 220 230 259 ...
  ..$ Wind   : num [1:30] 6.9 5.1 2.8 4.6 7.4 15.5 10.9 10.3 10.9 9.7 ...
  ..$ Temp   : int [1:30] 91 92 93 93 87 84 80 78 75 73 ...
  ..$ Month  : int [1:30] 9 9 9 9 9 9 9 9 9 9 ...
  ..$ Day    : int [1:30] 1 2 3 4 5 6 7 8 9 10 ...

Code:

1
2
3
4
5
6
7
8
> head(airquality.month$'5')
  Ozone Solar.R Wind Temp Month Day
1    41     190  7.4   67     5   1
2    36     118  8.0   72     5   2
3    12     149 12.6   74     5   3
4    18     313 11.5   62     5   4
5    NA      NA 14.3   56     5   5
6    28      NA 14.9   66     5   6

Cordialement,

Alors je viens d'essayer avec le split c'est vraiment mieux que mon subset.

Cela dit le problème final reste le même. Mettons que je veuille, pour tes données, pouvoir stocker dans des csv les informations de ma table après l'avoir splité par chaque modalités.
Code:

1 2 3 4 5 6 7 airquality.month <- split(airquality, airquality$Month) write.table(airquality.month$1,"airquality.month$1.csv", sep = ';' , row.names = FALSE) write.table(airquality.month$3,"airquality.month$3.csv", sep = ';' , row.names = FALSE) write.table(airquality.month$5,"airquality.month$5.csv", sep = ';' , row.names = FALSE) ...
Y a t-il une possibilité d'automatiser la tâche sous R ?

Mano

Exporter un dataframe en fonction d'une variable

Code:

1 2 3 4 require(data.table) airquality <- airquality # pour pouvoir modifier la table compilée setDT(airquality) # conversion de la table en data.table airquality[, write.csv2(.SD, paste0("airquality_month", .BY, ".csv"), row.names = FALSE), by = Month]
Génère un message Empty data.table (0 rows) of 1 col: Month mais les fichiers semblent bien exportés.

(Code trouvé ici).

Cordialement,

24/05/2018, 15h38
tototode
Bonjour,

Citation:

Il ne faut pas raisonner en boucles dans R.

C'est une fausse croyance d'autant plus maintenant avec la compilation just in time. Ce qui est vrai c'est que d'imbriquer des boucles n'est pas une bonne idée, et que souvent si les boucles sont longues en terme de temps de calcul c'est parce qu'elles sont mal programmées. Mais ça restera un débat sans fin qui ne dépendra que de ce que l'on veut faire.

Dans un cas comme celui-ci je pense qu'au contraire la boucle est très pratique et prendra bien moins de temps a programmer à un débutant que d'aller chercher la librairie data.table et de comprendre sa propre logique.
Code:

1 2 for (i in unique(airquality$Month)) write.table(airquality[airquality$Month==i,], file = sprintf("airquality.month%s.txt", i), sep = ';' , row.names = FALSE)
L'efficacité d'un code se mesure aussi bien au temps qu'il faut pour l’exécuter et qu'au temps nécessaire pour le programmer.

cdlt

Alors,
J'ai essayer de voir avec le lien que tu m'a envoyé.
Code:

1 2 3 4 5 require(data.table) airquality <- airquality # pour pouvoir modifier la table compilée setDT(airquality) # conversion de la table en data.table airquality[, write.csv2(.SD, paste0("airquality_month", .BY, ".csv"), row.names = FALSE), by = Month]
Cela génère bien un csv dans mon répertoire sauf qu'il y a toutes les données et elle ne sont pas séparé dans 3 fichier csv distincts.
J'ai donc opté pour l'autre solution donnée sur le lien précédent.
Code:

1 2 3 4 5 6 7 8 9 customFun = function(DF) { write.csv(DF,paste0("mtcars_cyl_",unique(DF$cyl),".csv")) return(DF) } mtcars %>% group_by(cyl) %>% do(customFun(.))
Après avoir chargé les différents packages à savoir :
Code:

1 2 3 library(dplyr) library(readr)
le message d'erreur suivant apparaît :
Code:

1 2 3 4 5 6 > var %>% + group_by(unique(data$colonne)) %>% + do(customFun(.)) Error in mutate_impl(.data, dots) : Column `unique(data$colonne)` must be length 32 (the number of rows) or one, not 3
Je viens donc d'essayer la solution proposé par tototode :
Code:

1 2 3 for (i in unique(data$colonne)) write.table(data[data$colonne==i,], file = sprintf("...%s.csv", i), sep = ';' , row.names = FALSE)
Tout mes csv splités par la colonne sont bien créés, c'est la solution qui me semble le plus accessible et la moins "compliqué" à concevoir.
Merci à vous deux !

Mano

Exporter un dataframe en fonction d'une variable

Citation:

Code:

1
2
3
4
require(data.table)
airquality <- airquality # pour pouvoir modifier la table compilée
setDT(airquality)        # conversion de la table en data.table
airquality[, write.csv2(.SD, paste0("airquality_month", .BY, ".csv"), row.names = FALSE), by = Month]

Cela génère bien un csv dans mon répertoire sauf qu'il y a toutes les données et elle ne sont pas séparé dans 3 fichier csv distincts.

Bizarre, j'obtiens bien 5 fichiers avec ce code...

Pour la méthode avec le package dplyr, il faut adapter la fonction à votre table :

Avec la table mtcars :

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
> customFun = function(DF){
+   write.csv(DF,paste0("mtcars_cyl_",unique(DF$cyl),".csv"))
+   return(DF)
+ }
> 
> library(dplyr)
> mtcars %>% 
+   group_by(cyl) %>% 
+     do(customFun(.))
# A tibble: 32 x 11
# Groups:   cyl [3]
     mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb
   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
 1  22.8     4 108      93  3.85  2.32  18.6     1     1     4     1
 2  24.4     4 147.     62  3.69  3.19  20       1     0     4     2
 3  22.8     4 141.     95  3.92  3.15  22.9     1     0     4     2
 4  32.4     4  78.7    66  4.08  2.2   19.5     1     1     4     1
 5  30.4     4  75.7    52  4.93  1.62  18.5     1     1     4     2
 6  33.9     4  71.1    65  4.22  1.84  19.9     1     1     4     1
 7  21.5     4 120.     97  3.7   2.46  20.0     1     0     3     1
 8  27.3     4  79      66  4.08  1.94  18.9     1     1     4     1
 9  26       4 120.     91  4.43  2.14  16.7     0     1     5     2
10  30.4     4  95.1   113  3.77  1.51  16.9     1     1     5     2
# ... with 22 more rows

Avec la table airquality :

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
> customFun = function(DF){
+   write.csv(DF,paste0("airquality_month", unique(DF$Month), ".csv"))
+   return(DF)
+ }
> 
> library(dplyr)
> airquality %>% 
+   group_by(Month) %>% 
+     do(customFun(.))
# A tibble: 153 x 6
# Groups:   Month [5]
   Ozone Solar.R  Wind  Temp Month   Day
   <int>   <int> <dbl> <int> <int> <int>
 1    41     190   7.4    67     5     1
 2    36     118   8      72     5     2
 3    12     149  12.6    74     5     3
 4    18     313  11.5    62     5     4
 5    NA      NA  14.3    56     5     5
 6    28      NA  14.9    66     5     6
 7    23     299   8.6    65     5     7
 8    19      99  13.8    59     5     8
 9     8      19  20.1    61     5     9
10    NA     194   8.6    69     5    10
# ... with 143 more rows

Ou sans fonction :

Avec la table mtcars :

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
> library(dplyr)
> library(readr)
> group_by(mtcars, cyl) %>%
+   do(write_csv(., paste0(unique(.$cyl), "test.csv")))
# A tibble: 32 x 11
# Groups:   cyl [3]
     mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb
   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
 1  22.8     4 108      93  3.85  2.32  18.6     1     1     4     1
 2  24.4     4 147.     62  3.69  3.19  20       1     0     4     2
 3  22.8     4 141.     95  3.92  3.15  22.9     1     0     4     2
 4  32.4     4  78.7    66  4.08  2.2   19.5     1     1     4     1
 5  30.4     4  75.7    52  4.93  1.62  18.5     1     1     4     2
 6  33.9     4  71.1    65  4.22  1.84  19.9     1     1     4     1
 7  21.5     4 120.     97  3.7   2.46  20.0     1     0     3     1
 8  27.3     4  79      66  4.08  1.94  18.9     1     1     4     1
 9  26       4 120.     91  4.43  2.14  16.7     0     1     5     2
10  30.4     4  95.1   113  3.77  1.51  16.9     1     1     5     2
# ... with 22 more rows

Avec la table airquality :

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
> library(dplyr)
> library(readr)
> group_by(airquality, Month) %>%
+   do(write_csv(., paste0("airquality_month", unique(.$Month), ".csv")))
# A tibble: 153 x 6
# Groups:   Month [5]
   Ozone Solar.R  Wind  Temp Month   Day
   <int>   <int> <dbl> <int> <int> <int>
 1    41     190   7.4    67     5     1
 2    36     118   8      72     5     2
 3    12     149  12.6    74     5     3
 4    18     313  11.5    62     5     4
 5    NA      NA  14.3    56     5     5
 6    28      NA  14.9    66     5     6
 7    23     299   8.6    65     5     7
 8    19      99  13.8    59     5     8
 9     8      19  20.1    61     5     9
10    NA     194   8.6    69     5    10
# ... with 143 more rows

Cordialement,

25/05/2018, 09h28
v4ss73r

Bonjour,
Exact j'ai fais une erreur sur l'orthographe de ma variable :oops:
Les deux solutions fonctionnent parfaitement merci.

Mano