R使用条件添加到循环中的列表中

我有一个data.frame dim=（200500）

我想对数据帧的每一列执行

shaprio.test

，并附加到列表中。这就是我正在尝试的：

 colstoremove <- list();
 for (i in range(dim(I.df.nocov)[2])) {
     x <- shapiro.test(I.df.nocov[1:200,i])
     colstoremove[[i]] <- x[2]
    }

colstoremove考虑
lappy（）
，因为传入的任何数据帧都会对列运行操作，返回的列表将等于列数：

colstoremove <- lapply(I.df.noconv, function(col) shapiro.test(col)[2])

colstoremove考虑
lappy（）
，因为传入的任何数据帧都会对列运行操作，返回的列表将等于列数：

colstoremove <- lapply(I.df.noconv, function(col) shapiro.test(col)[2])

colstoremove以下是在

for (i in range(dim(I.df.nocov)[2]))

为了举例，我假设
I.df.nocov
包含100行和5列

dim（I.df.nocov）
是
I.df.nocov
维度的向量，即c（100,5）

dim（I.df.nocov）[2]
是
I.df.nocov
的第二维度，即5

范围（x）
是一个2元素向量，包含x的最小值和最大值。例如，范围（c（4,10,1））是c（1,10）。所以
范围（dim（I.df.nocov）[2]）
是c（5,5）

因此，循环迭代两次：第一次使用i=5，第二次也使用i=5。它失败了也就不足为奇了

问题是R的函数
range
和Python的同名函数做完全不同的事情。Python的
范围的等价物称为
seq
。例如，
seq（5）=c（1,2,3,4,5）
，而
seq（3,5）=c（3,4,5）
，以及
seq（1,10,2）=c（1,3,5,7,9）
。您也可以编写
1:n
，它与
seq（n）
相同，
m:n
与
seq（m，n）
相同（但是“：”的优先级非常高，因此
1:2*x
被解释为
（1:2）*x

一般来说，如果某些函数在R中不起作用，您应该从内部到外部打印子表达式。如果某些子表达式太大而无法打印，请使用str（x）（str表示“结构”）。并且永远不要假设Python和R中的函数是相同的！如果有同名函数，它通常会执行不同的操作

另一方面，您可以编写
ncol（I.df.nocov）
（还有一个函数
nrow
），而不是
dim（I.df.nocov）[2]
。

for (i in range(dim(I.df.nocov)[2]))

为了举例，我假设
I.df.nocov
包含100行和5列

dim（I.df.nocov）
是
I.df.nocov
维度的向量，即c（100,5）

dim（I.df.nocov）[2]
是
I.df.nocov
的第二维度，即5

range（x）
是一个包含x的最小值和最大值的2元素向量。例如，range（c（4,10,1））是c（1,10）。因此
range（dim（I.df.nocov）[2]）
是c（5,5）

因此，循环迭代两次：第一次使用i=5，第二次也使用i=5。失败并不奇怪

问题是R的函数
range
和同名Python函数做的事情完全不同。Python的
range
的等价物被称为
seq
。例如，
seq（5）=c（1,2,3,4,5）
，而
seq（3,5）=c（3,4,5）
，以及
seq（1,10,2）=c（1,3,5,7,9）
。您也可以编写
1:n
，它与
seq（n）
相同，
m:n
与
seq（m，n）
（但是“：”的优先级非常高，因此
1:2*x
被解释为
（1:2）*x

一般来说，如果某些函数在R中不起作用，您应该从内部到外部打印子表达式。如果某些子表达式太大而无法打印，请使用str（x）（str表示“结构”）。并且永远不要假设Python和R中的函数是相同的！如果有同名函数，它通常会执行不同的操作

另一方面，您可以编写
ncol（I.df.nocov）
（还有一个函数
nrow
），而不是
dim（I.df.nocov）[2]
。
为什么要使用range来生成循环索引？在seq\u-along（I.df.nocov）中使用
I
代替。为什么要使用range来生成循环索引？在seq\u-along中使用
I（I.df.nocov）
相反。在这种情况下，我喜欢使用
函数（col）shapiro.test（col）[2]
来强调
lappy
作用于数据帧的列。在这种情况下，我喜欢使用
函数（col）shapiro.test（col）[2]
强调
lappy
作用于数据框的列。