falsche Ausgabe von For-Schleife innerhalb der Funktion

Question

Ich habe eine einfache Schleife erstellt, um die Effizienz einiger simulierter Daten zu berechnen. Es führt sehr gut, während als Schleife:

NSE_cal <- NULL 

for(i in 1:6) { 
Qobs <- flowSummary_NSE1[[i]][[3]] 
Qsim <- flowSummary_NSE1[[i]][[1]] 
object_cal <- NSEsums("NSE") 
NSE_cal <- c(NSE_cal, object_cal) 
} 

#NSE_cal 
#[1] 0.8466699 0.7577019 0.8128499 0.9163561 0.7868013 0.8462228 

Allerdings möchte ich diese Schleife gelten ein paar Mal - ich das Objekt flowSummary_NSE# verändern müssen, und ich habe vier verschiedene Transformationsarten anzuwenden. Als Anfang habe ich die Schleife in einer Funktion, mit nur transformation benötigen angegeben werden, etwa so:

badFunction <- function(transformation){ 

NSE_cal <- NULL 

for(i in 1:6) { 
    Qobs <- flowSummary_NSE1[[i]][[3]] 
    Qsim <- flowSummary_NSE1[[i]][[1]] 
    object_cal <- NSEsums(transformation) 
    NSE_cal <- c(NSE_cal, object_cal) 
} 
    print(NSE_cal) 
} 

badFunction("NSE") 
# [1] 0.8462228 0.8462228 0.8462228 0.8462228 0.8462228 0.8462228 

Die Funktion hat genau die gleiche Informationseingabe wie in dem for-Schleife auf seinem eigenen, mit der Ausnahme, für aus irgendeinem Grund gibt es den gleichen Wert für jeden Fall von i aus.

Es ist klar, dass ich etwas falsch gemacht habe. Aber soweit ich sehen kann, muss es etwas Einfaches sein, das in der Funktion selbst enthalten ist. Allerdings einhüllen es ein Fehler an anderer Stelle ist, habe ich den Code angebracht, die die erforderlichen Daten und abhängigen Funktionen (here)

Jede Hilfe viel

Answer 1

Sie benötigen würde geschätzt erzeugt Objekte in die verschachtelte Funktion als Argumente zu übergeben .

In Ihrem function_NSEsums.r Skript die erste Zeile ändern, um NSEsums <- function(i, Qobs, Qsim) {

In Ihrem example_script.r Ihren Code wie folgt ändern:

badFunction <- function(transformation){ 

    NSE_cal <- NULL 

    for(i in 1:6) { 
    Qobs <- flowSummary_NSE1[[i]][[3]] 
    Qsim <- flowSummary_NSE1[[i]][[1]] 
    object_cal <- NSEsums(transformation, Qobs = Qobs, Qsim = Qsim) 
    NSE_cal <- c(NSE_cal, object_cal) 
    } 

    print(NSE_cal) 

} 

badFunction("NSE") 

[1] 0.8466699 0.7577019 0.8128499 0.9163561 0.7868013 0.8462228