R: "Numero errato di dimensioni" errore nella R - si prega di aiutarmi a capire il motivo per cui

Question

Organizzazione di questa domanda:

I. Background 
II. The Problem/Question 
III. Steps Taken to Make this Question Good 
IV. Update: the output of head(x.path) and dput(x.path) 

I. Contesto

sto Personalizzazione/adattamento del codice di classificazione e-mail dal libro O'Reilly "Machine Learning for Hackers" (capitolo 3). Questo codice e i relativi dati di accompagnamento possono essere trovati qui: https://github.com/johnmyleswhite/ML_for_Hackers/tree/master/03-Classification

II. The Problem/Question

Una delle funzioni principali in tale codice è denominata get.msg(). La funzione originaria è

get.msg <- function(path) 
{ 
    con <- file(path, open = "rt", encoding = "latin1") 
    text <- readLines(con) 
    # The message always begins after the first full line break 
    msg <- text[seq(which(text == "")[1] + 1, length(text), 1)] 
    close(con) 
    return(paste(msg, collapse = "\n")) 
} 

miei dati è differente in vari modi, però, quindi devo modificare questo un bel po '. I miei dati vengono letti in precedenza da un DB relazionale, quindi non devo leggere e pulire un file di testo. Invece, i miei dati del corpo dell'email sono la diciottesima colonna di un dataframe, che possiamo chiamare x. Ecco la mia versione di get.msg():

get.msg <- function(path) { 
    bodyvector <- path[!(is.na(path[,18]) | path[,18]==""), ] 
    return(paste(bodyvector)) 
} 

Originariamente ho fatto riferimento ad esso come x$email e questo ha funzionato attraverso la maggior parte del codice, ma in una fase successiva la funzione get.msg() è stato utilizzato su x.path, dove x.path indicò x ed era utilizzato all'interno di un'altra funzione in combinazione con la funzione paste(), come per esempio del codice autori:

z.spam <- sapply(spam.docs, function(p) count.word(paste(x.path,p,sep = ""),   "keyword")) 

Qui, la funzione è una funzione count.word() contenente 012.391.861,772 mila. Quindi, la funzione paste() causava problemi perché causava il fatto che x.path appariva come una matrice atomica apparentemente e dava l'errore che $ non potesse essere usato con una matrice atomica. Come per un precedente StackOverflow Q & A, ho cambiato il modo in cui ho fatto riferimento alla colonna in path[,18] (che è valutata come x.path[,18] e quindi è la stessa di x[,18]).

Quindi ho fatto qualche controllo per garantire che lo x.path[,18] avesse le stesse informazioni di x.path$email, cosa che ha fatto. Tuttavia, quando si tenta di eseguire il codice ottengo un messaggio di errore sul get.msg(x.path), che è:

Error in path[,18] : incorrect number of dimensions. 

ho provato path[,'email'], quindi path[18,] e poi basta path per sé e tutti e tre hanno portato alla lo stesso errore. Ho provato path[[1]][[18]] e questo mi ha dato un errore di pedice fuori limite.

Qualche idea?

III. Passi per rendere questa domanda buona

Per evitare di annoiare nessuno e ottenere voti bassi, ho confermato che l'argomento era rilevante per StackOverflow e ritengo che possa essere rilevante per altre persone che si occupano di questo o di problemi di programmazione simili in il futuro. Ho anche trascorso quasi un'ora a cercare questo problema online e provare cose in R per risolverlo.

C'erano molti riferimenti a questo messaggio di errore, tuttavia le cause sembravano molto diverse e completamente estranee (come problemi di rete, ecc.). Infine, ho dedicato molto tempo a modificare questa domanda per cercare di renderla leggibile e formattata correttamente (spero di averlo fatto bene, so che sono molte informazioni).

IV. L'uscita del head() e dput()

Alcuni di voi estremamente utile persone hanno chiesto di vedere il risultato del head(x.path) o dput(x.path). Non mi interessa se non che sono dati riservati delle e-mail aziendali e che non avrò un lavoro e non farò causa se lo pubblicherò. ;-)

Ho incollato qui e sostituito le informazioni reali con informazioni false. Spero che vada bene. Ho provato ad usare dput() all'inizio e posso farlo se vuoi, ma è stata davvero una quantità enorme di dati. Ecco head(x.path):

head(x.path) [1] "c(\"Z12e3317e4b1jZbbajZ9Zdd6\", \"Z12e3317e4b1jZbbajZ99124\", \"Z12e331Ze4b1jZbbajZ996dd\", \"Z12e3319e4b1jZbbajZ9acb6\", \"Z12e3319e4b1jZbbajZ9ad3b\", \"Z12e3319e4b1jZbbajZ9adjd\", \"Z12e3319e4b1jZbbajZ9aebZ\", \"Z12e3319e4b1jZbbajZ9aj23\", \"Z12e3319e4b1jZbbajZ9b22b\", \"Z12e3319e4b1jZbbajZ9b42a\", \"Z12e3319e4b1jZbbajZ9b49a\", \"Z12e331ae4b1jZbbajZ9bZ11\", \"Z12e331ae4b1jZbbajZ9bZZ4\", \"Z12e331ae4b1jZbbajZ9c237\", \"Z12e331ae4b1jZbbajZ9c2e4\", \"Z12e331ae4b1jZbbajZ9c3bZ\", \"Z12e331ae4b1jZbbajZ9c3cZ\", \"Z12e331ae4b1jZbbajZ9cZ31\", \n\"Z12e331be4b1jZbbajZ9cddd\", \"Z12e331be4b1jZbbajZ9cja6\", \"Z12e331ce4b1jZbbajZ9da1j\", \"Z12e331de4b1jZbbajZ9e649\", \"Z12e331de4b1jZbbajZ9j669\", \"Z12e331de4b1jZbbajZ9jZZZ\", \"Z12e331ee4b1jZbbajZ9j944\", \"Z12e331ee4b1jZbbajZ9jcZa\", \"Z12e331ee4b1jZbbajZ9jd4c\", \"Z12e331ee4b1jZbbajZa11e2\", \"Z12e331ee4b1jZbbajZa1291\", \"Z12e331ee4b1jZbbajZa1344\", \"Z12e3311e4b1jZbbajZa1j73\", \"Z12e3311e4b1jZbbajZa1131\", \"Z12e3311e4b1jZbbajZa11Z6\", \"Z12e3311e4b1jZbbajZa124c\", \"Z12e3311e4b1jZbbajZa1Zbc\", \"Z12e3311e4b1jZbbajZa19a9\", \n\"Z12e3311e4b1jZbbajZa1ac2\", \"Z12e3311e4b1jZbbajZa1b79\", \"Z12e3311e4b1jZbbajZa1db2\", \"Z12e3311e4b1jZbbajZa1ejb\", \"Z12e3312e4b1jZbbajZa2333\", \"Z12e3312e4b1jZbbajZa23aZ\", \"Z12e3312e4b1jZbbajZa24bb\", \"Z12e3312e4b1jZbbajZa2Z79\", \"Z12e3312e4b1jZbbajZa2Zea\", \"Z12e3312e4b1jZbbajZa2ba9\", \"Z12e3312e4b1jZbbajZa2cZa\", \"Z12e3313e4b1jZbbajZa3bc1\", \"Z12e3313e4b1jZbbajZa3ca9\", \"Z12e3313e4b1jZbbajZa3e71\", \"Z12e3ajbe4b1j66Zbcja4eZc\", \"Z12e3ajbe4b1j66Zbcja4ja4\", \"Z12e3c79e4b1j66ZbcjaZc36\", \"Z12e3e1ce4b1j66Zbcja64bd\", \n\"Z12e4117e4b1j66Zbcja6Zj1\", \"Z12e41bae4b1j66Zbcja734Z\", \"Z12e4226e4b1j66Zbcja7b13\", \"Z12e4226e4b1j66Zbcja7cbZ\", \"Z12e4ajee4b1j66Zbcjaa916\", \"Z12e4e61e4b1j66Zbcjab1c2\", \"Z12e4e61e4b1j66Zbcjab2da\", \"Z12eZ226e4b1j66ZbcjacZea\", \"Z12e6141e4b1j66Zbcjb19Z9\", \"Z12e6141e4b1j66Zbcjb19jd\", \"Z12e61Z9e4b1j66Zbcjb1acb\", \"Z12e61Z9e4b1j66Zbcjb1acj\", \"Z12j9713e4b1j66Zbcjc34db\", \"Z12j9713e4b1j66Zbcjc3ZZa\", \"Z12j9713e4b1j66Zbcjc3Za7\", \"Z12j9713e4b1j66Zbcjc3Zd2\", \"Z12j9713e4b1j66Zbcjc36c2\", \"Z12j973ce4b1j66Zbcjc396b\"\n)" [2] "c(\"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \n\"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\", \"Something\")"
[3] "c(61Z7, 674Z, Z462, 692, Z26, 1121, 1213, 1317, 21ZZ, 2Z9Z, 2711, 3612, 3717, 4774, 4Z93, Z117, Z113, Z197, Z77Z, 61Z3, Z16Z, 11771, 12923, 13374, 13Z93, 14277, 1446Z, 1Z3ZZ, 1ZZ16, 1Z993, 164Z2, 16664, 1711Z, 171Z6, 1Z6ZZ, 1Z921, 19211, 193ZZ, 19931, 21117, 21164, 21177, 21371, 21Z61, 21673, 22ZZ7, 23137, 2ZZ44, 26166, 26Z1Z, 173Z6, 17661, 21Z74, 23119, 232ZZ, 249Z3, 2ZZ31, 261Z9, 31211, 33414, 336Z6, 37941, 1743, 1Z61, 216Z, 2171, 1ZZ3, 2119, 21Z4, 2129, 2334, 2ZZZ)"
[4] "c(\"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \n\"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\", \"Booty\")"
[5] "c(Z6, 93Z, 1314, 3, 4, Z, 6, 7, 9, 11, 11, 13, 14, 2Z, 26, 27, 2Z, 29, 33, 34, ZZ, Z3, 122, 12Z, 133, 139, 142, 147, 1Z2, 1Z3, 16Z, 169, 171, 171, 219, 221, 221, 222, 22Z, 226, 244, 246, 247, 24Z, 249, 2637, 264, 2Z9, 292, 296, 49, Z1, 76, 93, 9Z, 112, 111, 114, 1Z7, 211, 214, 263, 6, 7, 11, 11, 11, 11, 12, 13, 14, 1Z)"
[6] "c(3Z11, 3Z11, 3Z11, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, 691Z, Z664, Z664, Z664, Z664, Z664, Z664, Z664, Z664, Z664, Z664, Z664, Z664, 66Z1, 66Z1, 66Z1, 66Z1, 4ZZ4, 4ZZ4, 4ZZ4, 4ZZ4, 4ZZ4, 4ZZ4)"

Se questo dovesse visualizzare più allora si vedrebbe corpi dei messaggi per [18].

Answer 1

Questo potrebbe meritare di essere un commento ma non sarebbe adatto e sono pronto a cancellare se giustificato. Dite

"Così, la funzione Incolla stava causando problemi perché causava x.path essere considerato un array atomico apparentemente, e ha dato l'errore che $ non poteva essere usato con un array atomico. & A, ho cambiato il modo in cui ho fatto riferimento alla colonna per il percorso [, 18] (che viene valutato come x.path [, 18] e quindi è lo stesso di x [, 18]). "

Se x.path è un array atomico, non è possibile utilizzare x.path[ , 18] ma è necessario utilizzare lo x.path[18].

È possibile ispezionare x.path con str (x.path) e l'output suggerisce che è effettivamente un vettore di caratteri. In R solo oggetti con due dimensioni (matrici e data.frames) possono essere referenziati con riferimenti a oggetti [, n].

Answer 2

Il tuo esempio è un po 'complesso da eseguire, ma ho ricevuto questo errore un numero di volte e il problema è sempre stato dovuto in definitiva al comportamento predefinito della funzione di estrazione (cioè []) in coercizione al il minor numero possibile di dimensioni. Come osserva BondedDust, se si estrae una singola colonna da un frame di dati non è più possibile selezionare sottoinsiemi del frame con la stessa sintassi, perché non si dispone più di un frame di dati.

Spesso questi problemi scompaiono se, in qualsiasi operazione in cui si può ridurre il frame di dati a una singola colonna, si imposta il parametro drop = FALSE nell'operazione di estrazione. Suggerisco di guardare attentamente non solo la linea in cui viene generato l'errore ma anche le righe precedenti in cui l'operazione "[]" viene utilizzata nel frame di dati del problema. Guarda la guida per il metodo frame dati per la funzione di estrazione, "extract.data.frame" credi che il problema sia probabilmente quando sottoponi il frame dei dati a una singola colonna, viene forzato a una singola dimensione e non può più essere indicizzato per numero di colonna o numero di riga.