قم بتطبيق وظيفة على كل صف من المصفوفة أو إطار بيانات
سؤال
لنفترض أن لديّ مصفوفة 2 ودالة تأخذ مستنقعًا كأحد الحجج. أرغب في تطبيق الوظيفة على كل صف من المصفوفة والحصول على N-Vector. كيف تفعل هذا في ص؟
على سبيل المثال ، أود حساب كثافة التوزيع العادي القياسي ثنائي الأبعاد على ثلاث نقاط:
bivariate.density(x = c(0, 0), mu = c(0, 0), sigma = c(1, 1), rho = 0){
exp(-1/(2*(1-rho^2))*(x[1]^2/sigma[1]^2+x[2]^2/sigma[2]^2-2*rho*x[1]*x[2]/(sigma[1]*sigma[2]))) * 1/(2*pi*sigma[1]*sigma[2]*sqrt(1-rho^2))
}
out <- rbind(c(1, 2), c(3, 4), c(5, 6))
كيفية تطبيق الوظيفة على كل صف من out
?
كيفية تمرير القيم للوسائط الأخرى إلى جانب النقاط إلى الوظيفة بالطريقة التي تحددها؟
المحلول
يمكنك ببساطة استخدام apply()
وظيفة:
R> M <- matrix(1:6, nrow=3, byrow=TRUE)
R> M
[,1] [,2]
[1,] 1 2
[2,] 3 4
[3,] 5 6
R> apply(M, 1, function(x) 2*x[1]+x[2])
[1] 4 10 16
R>
هذا يأخذ مصفوفة ويطبق وظيفة (سخيفة) على كل صف. تقوم بتمرير حجج إضافية إلى الوظيفة في الحجج الرابعة والخامسة ... apply()
.
نصائح أخرى
في حال كنت ترغب في تطبيق وظائف مشتركة مثل SUM أو الوسط ، يجب استخدامك rowSums
أو rowMeans
لأنها أسرع من apply(data, 1, sum)
مقاربة. خلاف ذلك ، التمسك مع apply(data, 1, fun)
. يمكنك تمرير حجج إضافية بعد حجة ممتعة (كما اقترح ديرك بالفعل):
set.seed(1)
m <- matrix(round(runif(20, 1, 5)), ncol=4)
diag(m) <- NA
m
[,1] [,2] [,3] [,4]
[1,] NA 5 2 3
[2,] 2 NA 2 4
[3,] 3 4 NA 5
[4,] 5 4 3 NA
[5,] 2 1 4 4
ثم يمكنك أن تفعل شيئًا كهذا:
apply(m, 1, quantile, probs=c(.25,.5, .75), na.rm=TRUE)
[,1] [,2] [,3] [,4] [,5]
25% 2.5 2 3.5 3.5 1.75
50% 3.0 2 4.0 4.0 3.00
75% 4.0 3 4.5 4.5 4.00
فيما يلي مثال قصير على تطبيق وظيفة على كل صف من المصفوفة. (هنا ، تعمل الوظيفة المطبقة على تطبيع كل صف إلى 1.)
ملحوظة: النتيجة من apply()
كان لابد نقل استخدام t()
للحصول على نفس التصميم مثل مصفوفة الإدخال A
.
A <- matrix(c(
0, 1, 1, 2,
0, 0, 1, 3,
0, 0, 1, 3
), nrow = 3, byrow = TRUE)
t(apply(A, 1, function(x) x / sum(x) ))
نتيجة:
[,1] [,2] [,3] [,4]
[1,] 0 0.25 0.25 0.50
[2,] 0 0.00 0.25 0.75
[3,] 0 0.00 0.25 0.75
الخطوة الأولى هي جعل كائن الوظيفة ، ثم تطبيقه. إذا كنت تريد كائن مصفوفة يحتوي على نفس عدد الصفوف ، فيمكنك تحديده مسبقًا واستخدام نموذج [] كما هو موضح (وإلا سيتم تبسيط القيمة التي تم إرجاعها إلى متجه):
bvnormdens <- function(x=c(0,0),mu=c(0,0), sigma=c(1,1), rho=0){
exp(-1/(2*(1-rho^2))*(x[1]^2/sigma[1]^2+
x[2]^2/sigma[2]^2-
2*rho*x[1]*x[2]/(sigma[1]*sigma[2]))) *
1/(2*pi*sigma[1]*sigma[2]*sqrt(1-rho^2))
}
out=rbind(c(1,2),c(3,4),c(5,6));
bvout<-matrix(NA, ncol=1, nrow=3)
bvout[] <-apply(out, 1, bvnormdens)
bvout
[,1]
[1,] 1.306423e-02
[2,] 5.931153e-07
[3,] 9.033134e-15
إذا كنت ترغب في استخدام غير المعلمات الافتراضية الخاصة بك ، فيجب أن تتضمن المكالمة وسيطات مسماة بعد الوظيفة:
bvout[] <-apply(out, 1, FUN=bvnormdens, mu=c(-1,1), rho=0.6)
يمكن استخدام () أيضًا في المصفوفات ذات الأبعاد العليا ويمكن أن تكون حجة الهامش متجهًا بالإضافة إلى عدد صحيح واحد.
تطبيق هل المهمة بشكل جيد ، ولكن بطيئة جدا. باستخدام Sapply و Vapply يمكن أن يكون مفيدًا. يمكن أن يكون Dplyr's Rowwise مفيدًا أيضًا ، دعنا نرى مثالًا على كيفية القيام بمنتج حكيمة لأي إطار بيانات.
a = data.frame(t(iris[1:10,1:3]))
vapply(a, prod, 0)
sapply(a, prod)
لاحظ أن التعيين إلى متغير قبل استخدام vapply/ sapply/ تطبيق هو ممارسة جيدة لأنها تقلل من الوقت كثيرًا. لنرى نتائج Microbenchmark
a = data.frame(t(iris[1:10,1:3]))
b = iris[1:10,1:3]
microbenchmark::microbenchmark(
apply(b, 1 , prod),
vapply(a, prod, 0),
sapply(a, prod) ,
apply(iris[1:10,1:3], 1 , prod),
vapply(data.frame(t(iris[1:10,1:3])), prod, 0),
sapply(data.frame(t(iris[1:10,1:3])), prod) ,
b %>% rowwise() %>%
summarise(p = prod(Sepal.Length,Sepal.Width,Petal.Length))
)
إلقاء نظرة دقيقة على كيفية استخدام T ()
نهج آخر إذا كنت ترغب في استخدام جزء متفاوت من مجموعة البيانات بدلاً من قيمة واحدة هو الاستخدام rollapply(data, width, FUN, ...)
. يتيح لك استخدام ناقل العروض تطبيق وظيفة على نافذة متفاوتة من مجموعة البيانات. لقد استخدمت هذا لإنشاء روتين تصفية تكيفي ، على الرغم من أنه ليس فعالًا للغاية.