在R中获取迭代器的索引（与foreach并行）

Question

我正在使用foreach函数来遍历一个data.frame的列。在每次迭代时，我想获得迭代器的索引（即考虑的列的索引或名称）和该列本身。

然而，以下代码似乎一开始很好，但由于i没有names或colnames属性，因此无法正常工作。

 foreach(i=iter(base[1:N],by='col')) %dopar% c(colnames(i),i)

现在，如果您想知道为什么我没有迭代索引，原因是我正在使用%dopar%工具，我不想将整个基础发送到所有工作人员，而只需要发送每个工作人员需要的列。

问题：如何获取迭代器的索引？

谢谢

- Antoine Guillot

Answer 1

我只需在foreach循环中指定第二个迭代变量，作为计数器：

library(foreach)
library(iterators)

df <- data.frame(a=1:10, b=rnorm(10), c=runif(10))
r <- foreach(d=df, i=icount()) %do% {
    list(d=d, i=i)
}

"iterators"包中的"icount"函数，如果没有使用参数，则会返回一个无限计数迭代器，因此无论数据帧中有多少列，此示例都可以正常工作。

你也可以将列名作为第三个迭代变量：

r <- foreach(d=df, i=icount(), nm=colnames(df)) %do% {
    list(d=d, i=i, nm=nm)
}

- Steve Weston

Answer 2

以下是几种可能的方法：

修改iter函数（或编写自己的函数），使其不仅发送列的值，还包括名称或其他信息。

您可以遍历索引，但使用共享内存工具（如Rdsm软件包），以便每个进程只需要获取它所需的数据框部分，而不是分发整个数据框。

您可以将基础数据框转换为列表，其中每个元素包含基础列和列名，然后遍历该列表（因此将发送整个元素，但不发送其他元素）。

- Greg Snow

---

我认为制作修改版的通用iter函数或iter.data.frame函数并不是一个好主意，因为很容易编写一个返回自定义迭代器的函数。这就是我在撰写自定义迭代器函数的指南中所描述的方式。 - Steve Weston