Zastosuj funkcję do każdego wiersza macierzy lub ramki danych

Załóżmy, że mam macierz by 2 i funkcję, która jako jeden z argumentów przyjmuje wektor 2. Chciałbym zastosować tę funkcję do każdego wiersza macierzy i uzyskać n-wektor. Jak to zrobić w R?

Na przykład chciałbym obliczyć gęstość standardowego rozkładu normalnego 2D w trzech punktach:

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))

Jak zastosować funkcję do każdego wiersza out?

Jak przekazać wartości dla innych argumentów oprócz punktów do funkcji w sposób określony przez Ciebie?

Wystarczy skorzystać z apply()funkcji:

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> 

To pobiera macierz i stosuje (głupią) funkcję do każdego wiersza. Przekazujesz dodatkowe argumenty do funkcji jako czwarty, piąty, ... argument apply().

Jeśli chcesz zastosować typowe funkcje, takie jak suma lub średnia, powinieneś użyć rowSumslub, rowMeansponieważ są one szybsze niż apply(data, 1, sum)podejście. W przeciwnym razie trzymaj się apply(data, 1, fun). Możesz przekazać dodatkowe argumenty po argumencie FUN (jak już zasugerował Dirk):

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

Następnie możesz zrobić coś takiego:

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

Oto krótki przykład zastosowania funkcji do każdego wiersza macierzy. (Tutaj zastosowana funkcja normalizuje każdy wiersz do 1.)

Uwaga: Wynik z operacji apply()musiał zostać przetransponowany za pomocą, t()aby uzyskać ten sam układ co macierz wejściowa 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) ))

Wynik:

     [,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

Pierwszym krokiem byłoby utworzenie obiektu funkcji, a następnie zastosowanie go. Jeśli potrzebujesz obiektu macierzowego, który ma taką samą liczbę wierszy, możesz go wstępnie zdefiniować i użyć postaci obiektu [], jak pokazano na ilustracji (w przeciwnym razie zwrócona wartość zostanie uproszczona do wektora):

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

Jeśli chcesz użyć innych parametrów niż domyślne, wywołanie powinno zawierać nazwane argumenty po funkcji:

bvout[] <-apply(out, 1, FUN=bvnormdens, mu=c(-1,1), rho=0.6)

Apply () można również stosować w tablicach o wyższych wymiarach, a argument MARGIN może być wektorem, jak również pojedynczą liczbą całkowitą.

Aplikuj dobrze, ale działa dość wolno. Używanie sapply i vapply może być przydatne. Dplyr's rowwise również może być przydatny Zobaczmy przykład, jak zrobić iloczyn wierszowy dowolnej ramki danych.

a = data.frame(t(iris[1:10,1:3]))
vapply(a, prod, 0)
sapply(a, prod)

Zauważ, że przypisanie do zmiennej przed użyciem vapply / sapply / apply jest dobrą praktyką, ponieważ bardzo skraca czas. Zobaczmy wyniki 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))
)

Przyjrzyj się uważnie, w jaki sposób używana jest funkcja t ()

Innym podejściem, jeśli chcesz użyć różnych części zestawu danych zamiast pojedynczej wartości, jest użycie rollapply(data, width, FUN, ...). Użycie wektora szerokości umożliwia zastosowanie funkcji w zmiennym oknie zbioru danych. Użyłem tego do zbudowania procedury filtrowania adaptacyjnego, chociaż nie jest ona zbyt wydajna.