Para cada linha em um D DataFrame R

Question

Eu tenho um DataFrame e, para cada linha nesse quadro de dados, tenho que fazer algumas pesquisas complicadas e anexar alguns dados a um arquivo.

O DataFrame contém resultados científicos para poços selecionados de 96 placas de poço usadas em pesquisa biológica, então quero fazer algo como:

for (well in dataFrame) {
  wellName <- well$name    # string like "H1"
  plateName <- well$plate  # string like "plate67"
  wellID <- getWellID(wellName, plateName)
  cat(paste(wellID, well$value1, well$value2, sep=","), file=outputFile)
}

No meu mundo processual, eu faria algo como:

for (row in dataFrame) {
    #look up stuff using data from the row
    #write stuff to the file
}

Qual é a "maneira r" de fazer isso?

Answer 1

Você pode tentar isso, usando apply() função

> d
  name plate value1 value2
1    A    P1      1    100
2    B    P2      2    200
3    C    P3      3    300

> f <- function(x, output) {
 wellName <- x[1]
 plateName <- x[2]
 wellID <- 1
 print(paste(wellID, x[3], x[4], sep=","))
 cat(paste(wellID, x[3], x[4], sep=","), file= output, append = T, fill = T)
}

> apply(d, 1, f, output = 'outputfile')

Answer 2

Você pode usar o by() função:

by(dataFrame, 1:nrow(dataFrame), function(row) dostuff)

Mas iterar sobre as linhas diretamente como essa raramente é o que você deseja; Você deve tentar vetorizar. Posso perguntar o que está fazendo o trabalho real?

Answer 3

Primeiro, o ponto de Jonathan sobre a vetorização está correto. Se a sua função getwellId () for vetorizada, você poderá pular o loop e apenas usar o gato ou write.csv:

write.csv(data.frame(wellid=getWellID(well$name, well$plate), 
         value1=well$value1, value2=well$value2), file=outputFile)

Se getwellid () não for vetorizado, então a recomendação de Jonathan de usar by ou a sugestão de Knguyen de apply Deveria trabalhar.

Caso contrário, se você realmente quiser usar for, você pode fazer algo assim:

for(i in 1:nrow(dataFrame)) {
    row <- dataFrame[i,]
    # do stuff with row
}

Você também pode tentar usar o foreach Pacote, embora exija que você se familiarize com essa sintaxe. Aqui está um exemplo simples:

library(foreach)
d <- data.frame(x=1:10, y=rnorm(10))
s <- foreach(d=iter(d, by='row'), .combine=rbind) %dopar% d

Uma opção final é usar uma função do plyr Pacote, nesse caso, a convenção será muito semelhante à função Aplicar.

library(plyr)
ddply(dataFrame, .(x), function(x) { # do stuff })

Answer 4

Eu uso esta função de utilidade simples:

rows = function(tab) lapply(
  seq_len(nrow(tab)),
  function(i) unclass(tab[i,,drop=F])
)

Ou uma forma mais rápida e menos clara:

rows = function(x) lapply(seq_len(nrow(x)), function(i) lapply(x,"[",i))

Esta função apenas divide um dados.Frame a uma lista de linhas. Então você pode fazer um normal "para" sobre esta lista:

tab = data.frame(x = 1:3, y=2:4, z=3:5)
for (A in rows(tab)) {
    print(A$x + A$y * A$z)
}        

Seu código da pergunta funcionará com uma modificação mínima:

for (well in rows(dataFrame)) {
  wellName <- well$name    # string like "H1"
  plateName <- well$plate  # string like "plate67"
  wellID <- getWellID(wellName, plateName)
  cat(paste(wellID, well$value1, well$value2, sep=","), file=outputFile)
}

Answer 5

Eu acho que a melhor maneira de fazer isso com R Basic R é:

for( i in rownames(df) )
   print(df[i, "column1"])

A vantagem sobre o for( i in 1:nrow(df))-Apraach é que você não tem problemas se df está vazio e nrow(df)=0.

Answer 6

Fiquei curioso sobre o desempenho do tempo das opções não vetorizadas. Para esse fim, usei a função f definida por Knguyen

f <- function(x, output) {
  wellName <- x[1]
  plateName <- x[2]
  wellID <- 1
  print(paste(wellID, x[3], x[4], sep=","))
  cat(paste(wellID, x[3], x[4], sep=","), file= output, append = T, fill = T)
}

E um dataframe como o de seu exemplo:

n = 100; #number of rows for the data frame
d <- data.frame( name = LETTERS[ sample.int( 25, n, replace=T ) ],
                  plate = paste0( "P", 1:n ),
                  value1 = 1:n,
                  value2 = (1:n)*10 )

Incluí duas funções vetorizadas (com certeza mais rápidas que as outras) para comparar a abordagem CAT () com uma write.table () uma ...

library("ggplot2")
library( "microbenchmark" )
library( foreach )
library( iterators )

tm <- microbenchmark(S1 =
                       apply(d, 1, f, output = 'outputfile1'),
                     S2 = 
                       for(i in 1:nrow(d)) {
                         row <- d[i,]
                         # do stuff with row
                         f(row, 'outputfile2')
                       },
                     S3 = 
                       foreach(d1=iter(d, by='row'), .combine=rbind) %dopar% f(d1,"outputfile3"),
                     S4= {
                       print( paste(wellID=rep(1,n), d[,3], d[,4], sep=",") )
                       cat( paste(wellID=rep(1,n), d[,3], d[,4], sep=","), file= 'outputfile4', sep='\n',append=T, fill = F)                           
                     },
                     S5 = {
                       print( (paste(wellID=rep(1,n), d[,3], d[,4], sep=",")) )
                       write.table(data.frame(rep(1,n), d[,3], d[,4]), file='outputfile5', row.names=F, col.names=F, sep=",", append=T )
                     },
                     times=100L)
autoplot(tm)

A imagem resultante mostra que o aplicativo fornece o melhor desempenho para uma versão não vetorizada, enquanto o write.table () parece superar Cat ().

Answer 7

Você pode usar o by_row função do pacote purrrlyr por esta:

myfn <- function(row) {
  #row is a tibble with one row, and the same 
  #number of columns as the original df
  #If you'd rather it be a list, you can use as.list(row)
}

purrrlyr::by_row(df, myfn)

Por padrão, o valor retornado de myfn é colocado em um novo coluna da lista no DF chamado .out.

Se esta é a única saída que você deseja, você pode escrever purrrlyr::by_row(df, myfn)$.out

Answer 8

Bem, como você pediu equivalente a outros idiomas, tentei fazer isso. Parece funcionar, embora eu realmente não tenha analisado qual técnica é mais eficiente em R.

> myDf <- head(iris)
> myDf
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa
2          4.9         3.0          1.4         0.2  setosa
3          4.7         3.2          1.3         0.2  setosa
4          4.6         3.1          1.5         0.2  setosa
5          5.0         3.6          1.4         0.2  setosa
6          5.4         3.9          1.7         0.4  setosa
> nRowsDf <- nrow(myDf)
> for(i in 1:nRowsDf){
+ print(myDf[i,4])
+ }
[1] 0.2
[1] 0.2
[1] 0.2
[1] 0.2
[1] 0.2
[1] 0.4

Para as colunas categóricas, ele buscaria um quadro de dados que você poderia digitar usando as.character (), se necessário.