1

Estoy tratando de crear una función que enlace distintos data frames y luego calcule la media de una columna en particular. Mi función y los datos son los siguientes:

data_url<-"https://d396qusza40orc.cloudfront.net/rprog%2Fdata%2Fspecdata.zip"
download.file(data_url,"specdata.zip")
unzip("specdata.zip",exdir = "specdata")

specdata<-getwd()
pollutantmean<-function(directory,pollutant,id=1:332){
        files_list<-list.files(directory,full.names = TRUE)
        dat<-data.frame()
        for (i in id) {
                dat<-rbind(dat,read.csv(files_list[i]))
                }
        dat_subset<-dat$pollutant
        mean(dat_subset,na.rm = TRUE)
        }

Cuando trato de correr la función no hay problemas pero cuando trato de implementarla me arroja el siguiente error:

pollutantmean(specdata,"nitrate",1:10)
[1] NA
Warning message:
In mean.default(dat_subset, na.rm = TRUE) :
  argument is not numeric or logical: returning NA

Sin embargo, cuando pruebo cada parte del código por separado me arroja el resultado correcto. ¿Qué puede estar mal?

1 respuesta 1

0

Te hago algunas observaciones

data_url<-"https://d396qusza40orc.cloudfront.net/rprog%2Fdata%2Fspecdata.zip"
download.file(data_url,"specdata.zip")
unzip("specdata.zip")

El zip ya viene con los archivos dentro del folder specdata por lo que no es necesario indicarlo, a menos que busques que los mismos terminen en una carpeta specdata/specdata

En la función, el principal problema es este:

dat_subset <- dat$pollutant

buscas que pollutant sea el nombre de la variable que pasas por parámetro, pero a menos que implementes algo de evaluación no estándar, lo que estas intentando en realidad es extraer la variable pollutant que no existe, en todo caso, deberías hacer algo así:

dat_subset <- dat[ , pollutant]

Finalmente, te quedaría algo así:

pollutantmean <- function(directory, pollutant, id=1:332) {
        files_list <- list.files(directory,full.names = TRUE)
        dat <- data.frame()
        for (i in id) {
                dat<-rbind(dat,read.csv(files_list[i]))
        }
        mean(dat[, pollutant],na.rm = TRUE)
}

> pollutantmean("specdata","nitrate")
[1] 1.702932
> pollutantmean("specdata","sulfate")
[1] 3.189369

Y si eventualmente, siempre lees todos los archivos, podrías evitarte tener que pasar el vector id y simplificar bastante el código:

pollutantmean <- function(directory, pollutant) {
        files_list <- list.files(directory, pattern = "*.csv", full.names = TRUE)
        dat <- do.call(rbind, lapply(files_list, read.csv))
        mean(dat[, pollutant], na.rm = TRUE)
}
1
  • Muchas gracias! Me ayudó mucho tu respuesta! Saludos el 30 jun. 2020 a las 19:21

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge that you have read and understand our privacy policy and code of conduct.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.