R语言用for循环批量处理数据框列表时遇行数不匹配错误求助

我最近在处理R语言数据时碰到了一个挺头疼的问题，折腾半天终于解决了，把整个过程分享给大家：

splitted是我用split()函数对主数据框拆分后得到的data frame列表。拆分完成后，我想给列表里的每个data frame应用自定义函数，提取客户相关的统计信息。

我的自定义函数 #

这个函数用来从单个客户的交易数据里提取汇总信息，代码如下：

getCustomer <- function(df, numberOfProducts = 3){ 
  Gender <- unique(df$gender) 
  Segment <- unique(df$Segment) 
  Net_Discount <- sum(df$Discount * df$Sales) 
  Number_of_Discounts <- sum(df$Discount>0) 
  Customer.ID <- unique(df$Customer.ID) 
  Sales <- sum(df$Sales) 
  Profit <- sum(df$Profit) 
  lat <- mean(df$lat) 
  lon <- mean(df$lon) 
  productsData <- df %>% arrange(Order.Date) %>% top_n(n =numberOfProducts) 
  Products <- 0 
  Products_Category <- 0 
  Products_Order_Date <- 0 
  for (j in 1:numberOfProducts){ 
    Products[j] <- productsData %>% select(Product.ID) %>% filter(row_number()==j) 
    Products_Category[j] <- productsData %>% select(Category) %>% filter(row_number()==j) 
    Products_Order_Date[j] <- productsData %>% select(Order.Date) %>% filter(row_number()==j) 
    names(Products)[j]<-paste("Product",j) 
    names(Products_Category)[j]<-paste("Category Product",j) 
    names(Products_Order_Date)[j]<-paste("Order Date Product",j) 
  } 
  output <- data.frame(Customer.ID, Gender,Segment, Net_Discount, Number_of_Discounts, Sales, Profit, Products, Products_Category, Products_Order_Date, lon,lat) 
  return(output[1,]) 
}

尝试的操作与问题 #

一开始我测试单个元素，比如运行getCustomer(splitted[[687]],2)，能得到正确结果；甚至手动逐个给customer列表赋值：

customer <- list() 
customer[[1]]<- getCustomer(splitted[[1]],2) 
customer[[2]]<- getCustomer(splitted[[2]],2) 
. . . 
customer[[1576]]<- getCustomer(splitted[[1576]],2)

这也完全没问题，但1576个元素手动处理效率太低了，于是我改用for循环批量处理：

customer <- list() 
for (i in 1:length(splitted)){ 
  customer[[i]]<-getCustomer(splitted[[i]],2) 
}

结果运行后直接报错：

Error in data.frame(Customer.ID, Gender, Segment, Net_Discount, Number_of_Discounts, : arguments imply differing number of rows: 0, 1

我当时完全懵了——明明单个处理都正常，批量循环怎么就出问题了？

解决方案 #

后来仔细排查才发现，原来splitted列表里藏着3个空的data frame！当函数处理空数据框时，unique(df$Customer.ID)这类操作会返回长度为0的向量，而Net_Discount这类计算会返回长度为1的数值，组合成data frame时就会因为行数不匹配报错。

我用这段代码把空数据框删掉：

for (i in 1:length(splitted)){ 
  l[i]<-nrow(splitted[[i]]) 
} 
indices<- which(l==0) 
splitted<-splitted[-indices]

删除这3个空数据框后，再运行之前的for循环就完全没问题了！

内容的提问来源于stack exchange，提问作者Andrės Acosta Escobar