按每周各天次数重复行程行的R代码异常排查

需求与问题描述 #

• 需求：根据数据集15-21列（对应周一到周日）的数值，将每行数据重复对应次数，生成的新行仅保留对应天数为1，其余周几列设为0，其余列保持不变。例如输入周几列数值[0,2,1,0,1,2,0]，需生成6行，每行分别对应周二2次、周三1次、周五1次、周六2次，每行仅对应天数为1。
• 问题：现有R代码处理后，部分行生成全零周几列，重复次数正确但内容不符合预期。

原代码 #

duplicate_accordingto_value <- function(row) {
  sum_cols <- sum(row[15:21] > 0, na.rm = TRUE)
  
  if (sum_cols == 0) {

    duplicated_obs <- row
    duplicated_observation[15:21] <- 1
    return(rbind(row, duplicated_observation))
  } else {
    duplicated_observations <- list()
    indices <- which(row[15:21] > 0)
    
    for (i in 1:sum_cols) {
      new_observation <- row
      new_observation[15:21] <- 0
      if (i <= length(indexes)) {
        new_observation[15 + indices[i] - 1] <- 1
      }
      duplicated_observations[[i]] <- new_observation
    }
    
    return(do.call(rbind, duplicated_observations))
  }
}

# Apply the function to all the rows
sfu2 <- sfu2 %>%
  rowwise() %>%
  do({
    observation <- as.data.frame(.)
    duplicate_accordingto_value(observation)
  }) %>%
  ungroup()

问题分析 #

1. 变量名拼写错误：代码中使用了未定义的indexes变量，正确变量名应为indices，导致if条件始终不成立，无法将对应周几列设为1，生成全零行。
2. 核心逻辑错误：sum_cols计算的是"有非零值的天数数量"，但实际需求是"所有天数数值的总和"（比如示例中2+1+1+2=6），原函数的重复次数逻辑完全错误。
3. 全零分支逻辑混乱：当所有周几列都是0时，原代码返回两行且其中一行设置全1，不符合需求逻辑（若无需保留此类行，应直接返回空或原行，需根据实际场景调整）。

修正后的代码 #

# 定义处理单行的函数
duplicate_accordingto_value <- function(row) {
  # 提取周几列的数值
  day_values <- unlist(row[15:21])
  # 计算每个天数需要重复的次数，生成索引向量
  day_indices <- rep(1:7, times = day_values)
  
  # 如果没有需要重复的天数，返回原行或空（根据需求调整）
  if (length(day_indices) == 0) {
    return(row)
    # 若无需保留全零行，可改为 return(NULL)
  }
  
  # 生成重复后的行列表
  duplicated_list <- lapply(day_indices, function(idx) {
    new_row <- row
    # 重置所有周几列为0
    new_row[15:21] <- 0
    # 将对应天数设为1
    new_row[15 + idx - 1] <- 1
    return(new_row)
  })
  
  # 合并为数据框
  do.call(rbind, duplicated_list)
}

# 应用函数到所有行（改用pmap更高效，避免rowwise的性能问题）
library(purrr)
sfu2 <- sfu2 %>%
  split(1:nrow(.)) %>%
  map_dfr(duplicate_accordingto_value)

说明 #

• 修正后的函数通过rep(1:7, times = day_values)直接生成每个天数需要重复的索引，准确匹配需求中的重复次数。
• 使用purrr的map_dfr替代rowwise()+do，处理大数据集时性能更优。
• 全零行分支可根据实际需求调整：若无需保留全零周几列的行，将return(row)改为return(NULL)即可。

内容的提问来源于stack exchange，提问作者David Lopez