Sottoinsieme A data.frame elenco e la funzione applicare su ciascuna parte, per righe

Question

Questo può sembrare come un tipico problema plyr, ma ho qualcosa di diverso in mente. Ecco la funzione che voglio per ottimizzare (saltare il ciclo for).

# 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)
}

E ora una breve dimostrazione ... in realtà, sto per spiegare quello che principalmente destinato a fare. Volevo sottoinsieme A data.frame da vettori raccolti in oggetto list. Dal momento che questa è una parte di codice da una funzione che accompagna la manipolazione dei dati nella ricerca psicologica, si può considerare come un m risultati dal questionario di personalità (10 soggetti, 20 Vars). Vettori in lista sostengono indici di colonna che definiscono le sottoscale del questionario (per esempio i tratti della personalità). Ogni sotto-scala è definito da più elementi (colonne in data.frame). Se presupponiamo che il punteggio su ogni sottoscala non è altro che sum (o qualche altra funzione) dei valori di riga (risultati su quella parte del questionario per ogni soggetto), è possibile eseguire:

> 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

Ho preso uno sguardo a questa funzione e devo ammettere che questo piccolo ciclo non è rovinare il codice a tutti ... ma, se c'è un modo più semplice / efficace di fare questo, per favore, fammi sapere!

Answer 1

mi piacerebbe prendere un approccio diverso e mantenere tutto come frame di dati in modo da poter utilizzare unione e ddply. Penso che troverete questo approccio è un po 'più generale, ed è più facile da controllare che ogni fase è stata eseguita correttamente.

# 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))

Answer 2

dopo aver caricato il pacchetto plyr, sostituire

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

con

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

Answer 3

@Hadley, ho controllato la vostra risposta dal momento che è abbastanza semplice e facile per la contabilità (oltre al fatto che è più general-purpose-soluzione). Tuttavia, ecco la mia non-così-lungo script che fa la cosa e richiede solo pacchetto base (che è banale in quanto installo plyr e reshape subito dopo l'installazione di R). Ora, ecco la fonte:

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)
}

Answer 4

Per la vostra esempio specifico, una soluzione one-line è sapply(lst,function(x) rowSums(m[,x])) (anche se si potrebbe aggiungere un po 'più linee per verificare la presenza di input valido e mettere nei nomi delle colonne).

Avete altri, più generali, applicazioni in mente? O è questo forse un caso di YAGNI ?