使用lapply处理ChickWeight数据时出现Undefined columns error的原因

你遇到的问题核心在于lapply的输入对象搞错了——你传入的是列的数值向量，而不是列名，这就导致函数里尝试用数值去选列，自然找不到对应的列啦。

为什么单独运行没问题？ #

单独处理"time"列时，你明确传入的是列名字符串"time"，所以ChickWeight[,c("time","diet","chick")]能精准定位到对应的三列，逻辑自然能正常运行。

为什么lapply批量处理会报错？ #

当你用as.list(ChickWeight[,c(1:2)])时，得到的不是列名列表，而是每一列的数值向量组成的列表。举个例子，这个列表的第一个元素是time列的所有数值（比如0,2,4,...），第二个元素是weight列的所有数值。

当函数里执行ChickWeight[,c(i,"diet","chick")]时，i是这些数值，而不是列名。数据框总共只有4列，你用远大于4的数值去选列，肯定会抛出undefined columns selected错误。

你可以自己打印一下这个输入列表验证：

print(as.list(ChickWeight[,1:2]))
# 输出会是类似 $time: [1] 0 2 4 6 8 ... 这样的数值向量，不是列名

解决方法：遍历列名而非列值 #

只需要把lapply的输入换成列名字符串即可，比如用colnames(ChickWeight)[1:2]获取前两列的列名，再传入lapply：

library(reshape)
# 先完成列名重命名
names(ChickWeight) <- tolower(names(ChickWeight))

# 遍历列名字符串
lapply(colnames(ChickWeight)[1:2], FUN=function(col_name){ 
  cor(cast(melt(ChickWeight[,c(col_name,"diet","chick")], id.vars=c("chick","diet")),chick~diet)) 
})

这样每个col_name都是"time"或"weight"字符串，函数里就能正确选中对应的列，批量处理逻辑就正常运行了。

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