在r中循环字符串

我想知道我的代码出了什么问题，而不是解决方案。我希望循环一些字符串我的数据如下：

id    source    transaction

 1     a > b       6 > 0
 2     J > k       5
 3     b > c       4 > 0

我有一个列表，希望浏览这个列表，找到包含该元素的行并计算平均值

mylist <- c ("a", "b") 

我不知道该由谁循环列表并将其发送到csv文件。我试过这个

mylist <- c( "a", "b" )

for(i in mylist)
{

  KeepData <- df [grepl(i, df$source), ]
   KeepData <- cSplit(KeepData, "transaction", ">", "long")

  avg<- mean(KeepData$transactions)
  result <- list(i,avg )

  write.table(result ,file="C:/Users.csv", append=TRUE,sep=",",col.names=FALSE,row.names=FALSE)

}

---

mylist我们可以使用
cSplit
拆分“源”并将数据集转换为“长”格式，然后指定“i”，按“源”分组，获得“事务”的
平均值（使用
data.table
方法）


或者另一个选项是
从
tidyr
中分离行
以转换为“长”格式，然后在按“源”分组后使用
dplyr
方法进行
汇总

library(tidyr)
library(dplyr)
separate_rows(df1, source) %>%
        filter(source %in% mylist) %>%
        group_by(source) %>% 
        summarise(avg  = mean(transaction))

cSplit(df2, 2:3,  " > ", "long")[source %in% my_list, .(avg = mean(transaction)), source]
#   source avg
#1:      a   6
#2:      b   2

更新
对于新的数据集（'df2'），我们需要将两列拆分为“long”格式，然后获得按“source”分组的“transaction”的
mean

library(tidyr)
library(dplyr)
separate_rows(df1, source) %>%
        filter(source %in% mylist) %>%
        group_by(source) %>% 
        summarise(avg  = mean(transaction))

cSplit(df2, 2:3,  " > ", "long")[source %in% my_list, .(avg = mean(transaction)), source]
#   source avg
#1:      a   6
#2:      b   2


可将
循环的
修改为

for(i in mylist) {
   KeepData <-  cSplit(df2, 2:3,  ">", "long")
   KeepData <- KeepData[grepl(i, source)]
   avg<- mean(KeepData$transaction)
   result <- list(i,avg )
   print(result)
   write.table(result ,file="C:/Users.csv", 
             append=TRUE,sep=",",col.names=FALSE,row.names=FALSE)
 }
#[[1]]
#[1] "a"

#[[2]]
#[1] 6

#[[1]]
#[1] "b"

#[[2]]
#[1] 2

for（mylist中的i）{
KeepData Thank@akrun它适用于此示例，但我主要希望知道在我的情况下应用此代码有什么问题，在我的工作中，事务列也类似于2>3。我如何应用于that@MFR你是说交易栏是
character
class？从评论中不清楚hanks@akrun是否
%my_list
中的source！%计算不包括在我的列表中的源的平均值？@MFR您必须使用
！在%my_list
中的source%您确定新数据的预期平均值正确吗
for
循环的一个问题是检查
Cplit
的输出和它上面的一个，即grepl。使用
print
对于每个步骤，您都会了解原因，这里的
事务
列在
cSplit
之后被复制，而且它不是
事务
df1 <- structure(list(id = 1:3, source = c("a > b", "J > k", "b > c"
 ), transaction = c(6L, 5L, 4L)), .Names = c("id", "source", "transaction"
), class = "data.frame", row.names = c(NA, -3L))


df2 <- structure(list(id = 1:3, source = c("a > b", "J > k", "b > c"
), transaction = c("6 > 0", "5", "4 > 0")), .Names = c("id", 
"source", "transaction"), class = "data.frame", row.names = c(NA, 
-3L))