旧版本R中sapply内\(y) lambda表达式的替代方案咨询

数据集 #

name = c("john", "john", "john", "alex","alex", "tim", "tim", "tim", "ralph", "ralph")
year = c(2010, 2011, 2012, 2011, 2012, 2010, 2011, 2012, 2014, 2016)
my_data = data.frame(name, year)

需求目标 #

统计存在至少一个缺失（非连续）年份的分组数量，预期输出如下：

# sample output
              year count
1       2014, 2016     1

问题原因 #

你遇到的错误是因为旧版本R（4.1.0之前）不支持\(y)这种简洁lambda表达式语法，该语法是R 4.1.0才引入的新特性。

修正后的代码 #

将\(y)替换为传统的function(y)写法即可，完整代码如下：

agg <- aggregate(year ~ name, my_data, c)
# 替换lambda表达式为function(y)
agg <- agg$year[sapply(agg$year, function(y) any(diff(y) != 1))]
# 统计非连续年份组合的出现次数并转为数据框
result <- as.data.frame(table(sapply(agg, paste, collapse = ", ")))
# 重命名列名匹配示例输出
colnames(result) <- c("year", "count")
print(result)

代码说明 #

1. 第一步aggregate按name分组，把每个分组的year合并为向量；
2. 第二步sapply遍历每个分组的年份向量，用function(y)判断年份是否连续（diff(y) !=1表示存在间隔），筛选出非连续的年份组；
3. 最后将非连续的年份向量拼接为字符串，用table统计出现次数，再转为数据框并调整列名。

运行修正后的代码即可得到符合预期的输出。

内容的提问来源于stack exchange，提问作者stats_noob