Subconjunto a data.frame por list e aplicar função em cada parte, por linhas

Question

Isso pode parecer um típico plyr Problema, mas tenho algo diferente em mente. Aqui está a função que eu quero otimizar (pule o for ciclo).

# 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 agora uma breve demonstração ... na verdade, estou prestes a explicar o que pretendia fazer principalmente. Eu queria subconjuntar um data.frame por vetores reunidos em list objeto. Como isso faz parte do código de uma função que acompanha a manipulação de dados em pesquisa psicológica, você pode considerar m como um questionário de personalidade (10 indivíduos, 20 vars). Vetores na lista Hold Índices de coluna que definem subescalas de questionários (por exemplo, traços de personalidade). Cada subescala é definida por vários itens (colunas em data.frame). Se pressupunciarmos que a pontuação em cada subescala não passasse sum (ou alguma outra função) dos valores da linha (resultados nessa parte do questionário para cada sujeito), você pode executar:

> 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

Eu dei uma olhada nessa função e devo admitir que esse pequeno loop não está estragando o código ... mas, se houver uma maneira mais fácil/eficiente de fazer isso, por favor, me avise!

Answer 1

Eu adotaria uma abordagem diferente e manteria tudo como quadros de dados para que você possa usar a mesclagem e a DDPLY. Eu acho que você encontrará essa abordagem um pouco mais geral e é mais fácil verificar se cada etapa é executada corretamente.

# 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

Depois de carregar o pacote Plyr, substitua

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

com

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

Answer 3

@Hadley, verifiquei sua resposta, pois é bastante direto e fácil para a contabilidade (além do fato de ser uma solução mais geral). No entanto, aqui está o meu script não tão de longo de longa que faz a coisa e exige apenas base pacote (que é trivial desde que eu instalo plyr e reshape logo após a instalação de R). Agora, aqui está a 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

Para o seu exemplo específico, uma solução de uma linha é sapply(lst,function(x) rowSums(m[,x])) (Embora você possa adicionar mais algumas linhas para verificar a entrada válida e colocar os nomes das colunas).

Você tem outras aplicações mais gerais em mente? Ou isso é possivelmente um caso de Yagni?