代码之家 › 专栏 › 技术社区 › aL3xa

按列表对data.frame进行子集,并按行对每个部分应用函数

lapply dataframe apply r list

aL3xa · 技术社区 · 16 年前

这似乎是典型的 plyr 问题,但我有不同的想法。下面是我要优化的函数(跳过 for 循环)。

# dummy data
set.seed(1985)
lst <- list(a=1:10, b=11:15, c=16:20)
m <- matrix(round(runif(200, 1, 7)), 10)
m <- as.data.frame(m)


dfsub <- function(dt, lst, fun) {
    # check whether dt is `data.frame`
    stopifnot (is.data.frame(dt))
    # check if vectors in lst are "whole" / integer
    # vector elements should be column indexes
    is.wholenumber <- function(x, tol = .Machine$double.eps^0.5)  abs(x - round(x)) < tol
    # fall if any non-integers in list
    idx <- rapply(lst, is.wholenumber)
    stopifnot(idx)
    # check for list length
    stopifnot(ncol(dt) == length(idx))
    # subset the data
    subs <- list()
    for (i in 1:length(lst)) {
            # apply function on each part, by row
            subs[[i]] <- apply(dt[ , lst[[i]]], 1, fun)
    }
    # preserve names
    names(subs) <- names(lst)
    # convert to data.frame
    subs <- as.data.frame(subs)
    # guess what =)
    return(subs)
}

现在是一个简短的演示…实际上,我正要解释我的初衷。我想把一个 data.frame 通过聚集的载体 list 对象。由于这是心理学研究中伴随着数据操作的函数的一部分代码,您可以考虑 m 作为人格问卷的结果(10名受试者,20名变量)。列表中的向量包含定义问卷子量表(如个性特征)的列索引。每个子刻度都由若干项(中的列)定义 数据帧 )如果我们假设每个分量表的分数都是 sum (或其他函数)行值(每个受试者问卷中该部分的结果),您可以运行:

> dfsub(m, lst, sum)
    a  b  c
1  46 20 24
2  41 24 21
3  41 13 12
4  37 14 18
5  57 18 25
6  27 18 18
7  28 17 20
8  31 18 23
9  38 14 15
10 41 14 22

我看了一眼这个函数,我必须承认这个小循环根本没有破坏代码……但是,如果有更简单/有效的方法,请告诉我!

4 回复 | 直到 13 年前

Collin 16 年前

我将采用不同的方法,将所有内容都保留为数据帧,以便您可以使用merge和ddply。我认为您会发现这种方法更通用一些,并且更容易检查每个步骤是否正确执行。

# Convert everything to long data frames
m$id <- 1:nrow(m)

library(reshape)
obs <- melt(m, id = "id")
obs$variable <- as.numeric(gsub("V", "", obs$variable))

varinfo <- melt(lst)
names(varinfo) <- c("variable", "scale")

# Merge and summarise
obs <- merge(obs, varinfo, by = "variable")

ddply(obs, c("id", "scale"), summarise, 
  mean = mean(value), 
  sum = sum(value))

Yorgos 16 年前

装入PLYR包装后,更换

subs <- list()
    for (i in 1:length(lst)) {
            # apply function on each part, by row
            subs[[i]] <- apply(dt[ , lst[[i]]], 1, fun)
    }

具有

subs <- llply(lst,function(x) apply(dt[,x],1,fun))

aL3xa 16 年前

@哈德利,我已经检查了你的回答,因为它非常简单,便于记账(除此之外,它是更通用的解决方案)。不过,这是我写的不太长的脚本,它只需要 base 软件包(自从我安装 plyr 和 reshape 就在安装r)之后。现在,这是消息来源:

dfsub <- function(dt, lst, fun) {
        # check whether dt is `data.frame`
        stopifnot (is.data.frame(dt))
        # convert data.frame factors to numeric
        dt <- as.data.frame(lapply(dt, as.numeric))
        # check if vectors in lst are "whole" / integer
        # vector elements should be column indexes
        is.wholenumber <- function(x, tol = .Machine$double.eps^0.5)  abs(x - round(x)) < tol
        # fall if any non-integers in list
        idx <- rapply(lst, is.wholenumber)
        stopifnot(idx)
        # check for list length
        stopifnot(ncol(dt) == length(idx))
        # subset the data
        subs <- list()
        for (i in 1:length(lst)) {
                # apply function on each part, by row
                subs[[i]] <- apply(dt[ , lst[[i]]], 1, fun)
        }
        names(subs) <- names(lst)
        # convert to data.frame
        subs <- as.data.frame(subs)
        # guess what =)
        return(subs)
}

Alexander Hanysz 13 年前

对于您的特定示例,单行解决方案是 sapply(lst,function(x) rowSums(m[,x])) (尽管您可以添加更多的行来检查有效输入并输入列名)。

你还有其他更通用的应用程序吗?或者这可能是 YAGNI ?