代码之家 › 专栏 › 技术社区 › Omry Atia

在R中,对数据帧的行应用函数并返回数据帧

vectorization dataframe r

Omry Atia · 技术社区 · 8 年前

我正在尝试将自写函数应用于数据帧的行。

library(dplyr) # only used for data_frame
DF = data_frame(x = c(50, 49, 20), y = c(132, 124, 130), z = c(0.82, 1, 0.63))

     x     y     z
   <dbl> <dbl> <dbl>
1    50   132  0.82
2    49   124  1.00
3    20   130  0.63

实际数据帧有数千行,这只是一个示例。

我的函数非常复杂,做了很多事情,最后我为DF的每一行得到了一个新行。为了简单起见,我们假设该函数将1添加到第1列,2添加到第2列,3添加到第3列(这当然可以矢量化,但我的函数,让我们称之为Funct,做得更多)。因此:

Funct = function(DF) {
   DF[1]= DF[1]+1
   DF[2] = DF[2]+2
   DF[3] = DF[3]+3
   return(DF)
}

如何以最有效的方式应用此函数,以最终获得具有输出的新数据帧:

> DF
     x     y     z
   <dbl> <dbl> <dbl>
1    51   134  3.82
2    50   126  4.00
3    21   132  3.63

3 回复 | 直到 8 年前

alistaire 8 年前

apply 对于数据帧来说是一个糟糕的选项,因为它是为矩阵设计的,因此将在迭代之前强制将数据帧输入到矩阵。除了偶尔需要昂贵的转换(之后必须进行反向转换)之外,真正的问题是R中的矩阵只能处理一种类型,而数据帧可以为每个变量提供不同的类型。因此,虽然它可以很好地处理这里的数据,但当数字由于另一列是一个因素而被强制为字符时,通常会在看不到的矩阵中发生类型强制。如果你真的想使用 申请 ,事先显式强制创建一个矩阵,这样您就可以看到它使用的是什么,并且可以避免许多恼人的bug。

但有一个更好的选择 申请 :相反,在变量(列)上并行迭代,然后将结果列表强制返回到数据帧。 purrr::pmap_dfr 将处理两个部分:

library(tidyverse)

DF = data_frame(x = c(50, 49, 20), 
                y = c(132, 124, 130), 
                z = c(0.82, 1, 0.63))

DF %>% 
    pmap_dfr(~list(x = ..1 + 1,
                   y = ..2 + 2,
                   z = ..3 + 3))
#> # A tibble: 3 x 3
#>       x     y     z
#>   <dbl> <dbl> <dbl>
#> 1   51.  134.  3.82
#> 2   50.  126.  4.00
#> 3   21.  132.  3.63

您可以在base R中使用

do.call(rbind, do.call(Map, 
                       c(function(...){
                           data.frame(x = ..1 + 1,
                                      y = ..2 + 2,
                                      z = ..3 + 3)
                       }, 
                       DF)
))
#>    x   y    z
#> 1 51 134 3.82
#> 2 50 126 4.00
#> 3 21 132 3.63

。。。虽然它不太漂亮。

请注意,如果可能的话,矢量化解决方案会快得多。

DF %>% 
    mutate(x = x + 1,
           y = y + 2,
           z = z + 3)
#> # A tibble: 3 x 3
#>       x     y     z
#>   <dbl> <dbl> <dbl>
#> 1   51.  134.  3.82
#> 2   50.  126.  4.00
#> 3   21.  132.  3.63

Andrew Gustar 8 年前

仅使用 apply 。。。

DF2 <- as.data.frame(t(apply(DF, 1, Funct)))

DF2
   x   y    z
1 51 134 3.82
2 50 126 4.00
3 21 132 3.63

r2evans 8 年前

如果这是完美的 numeric ,你可以逍遥法外

as.data.frame(t(apply(as.matrix(DF), 1, `+`, c(1,2,3))))
as.data.frame(t(apply(DF, 1, Funct))) # better, per AndrewGustar's answer

这可能是你能做的最快的。但是,如果您有任何 数字 在数据中(例如。, integer 或*喘息* character ),使用 apply 将导致转换为 数字 ,而不是你想要的。(我包括 as.matrix 在第一个示例中,演示 申请 ,并不是说您实际上需要在代码中使用它。这种矩阵转换是为什么 申请 对于非同质帧可能会有问题。)

如其他评论所述,如果您的数据- 数字 ,通过将其转换为 matrix 并以此来处理。

对于异构类框架(或者如果您只是想对将来的更改保持健壮性),请尝试以下操作:

do.call(rbind, by(DF, seq_len(nrow(DF)), Funct))
# # A tibble: 3 Ã 3
#       x     y     z
# * <dbl> <dbl> <dbl>
# 1    51   134  3.82
# 2    50   126  4.00
# 3    21   132  3.63

编辑

如果需要在聚合每行时包含所有数据:

全部通过 DF 作为另一个参数,例如 Funct(DF1, DFall) .这将被称为 by(DF, seq_len(nrow(DF)), Funct, DFall=DF) ;
如果您对所有行的访问只是一个聚合,可以计算一次并传递给 Funct 作为附加论点(思考 函数(DF1,DFall) ),然后进行一次计算,然后按上述方式将其传递到整个框架的位置;
否则,请使用 for 环所提供的任何解决方案(我现在也想不到)都不能促进这种观点。