각 행의 여러 인수를 사용하여 각 데이터 프레임 행에서 apply-like 함수 호출

여러 열이있는 데이터 프레임이 있습니다. 데이터 프레임의 각 행에 대해 행에서 함수를 호출하고 함수의 입력이 해당 행의 여러 열을 사용하고 있습니다. 예를 들어,이 데이터와 두 개의 인수를 허용하는 testFunc가 있다고 가정 해 봅시다.

> df <- data.frame(x=c(1,2), y=c(3,4), z=c(5,6))
> df
  x y z
1 1 3 5
2 2 4 6
> testFunc <- function(a, b) a + b

이 testFunc를 x 및 z 열에 적용하고 싶다고 가정 해 봅시다. 따라서 행 1의 경우 1 + 5를 원하고 행 2의 경우 2 + 6을 원합니다. for 루프를 작성하지 않고 적용 함수 패밀리를 사용 하여이 작업을 수행 할 수 있습니까?

나는 이것을 시도했다 :

> df[,c('x','z')]
  x z
1 1 5
2 2 6
> lapply(df[,c('x','z')], testFunc)
Error in a + b : 'b' is missing

그러나 어떤 아이디어라도 오류가 있습니까?

편집 : 호출하려는 실제 함수는 단순한 합계가 아니지만 power.t.test입니다. 예를 들어 a + b를 사용했습니다. 최종 목표는 의사 코드로 작성된 다음과 같은 작업을 수행하는 것입니다.

df = data.frame(
    delta=c(delta_values), 
    power=c(power_values), 
    sig.level=c(sig.level_values)
)

lapply(df, power.t.test(delta_from_each_row_of_df, 
                        power_from_each_row_of_df, 
                        sig.level_from_each_row_of_df
))

여기서 결과는 df의 각 행에 대한 power.t.test에 대한 출력 벡터입니다.

apply원본 데이터의 하위 집합에 적용 할 수 있습니다 .

 dat <- data.frame(x=c(1,2), y=c(3,4), z=c(5,6))
 apply(dat[,c('x','z')], 1, function(x) sum(x) )

또는 함수가 합계라면 벡터화 된 버전을 사용하십시오.

rowSums(dat[,c('x','z')])
[1] 6 8

사용하고 싶다면 testFunc

 testFunc <- function(a, b) a + b
 apply(dat[,c('x','z')], 1, function(x) testFunc(x[1],x[2]))

편집하다 색인이 아닌 이름으로 열에 액세스하려면 다음과 같이 할 수 있습니다.

 testFunc <- function(a, b) a + b
 apply(dat[,c('x','z')], 1, function(y) testFunc(y['z'],y['x']))

A data.frame는list 이므로 ...

들어 벡터화 기능 do.call 일반적으로 좋은 내기이다. 그러나 논쟁의 이름이 등장합니다. 여기서 testFunca와 b 대신 args x와 y로 호출됩니다. 는 ...관련이없는 인수가 오류를 발생시키지 않고 통과 할 수 있습니다 :

do.call( function(x,z,...) testFunc(x,z), df )

들어 비 벡터화 기능 , mapply작동하지만 당신은 그 이름을 명시 적으로 인수의 순서를 일치하거나해야합니다 :

mapply(testFunc, df$x, df$z)

때로는 apply모든 인수의 유형이 동일한 경우와 같이 작동합니다.data.frame 행렬에 해도 데이터 유형을 변경해도 문제가 발생하지 않습니다. 당신의 예는 이런 종류였습니다.

인수가 모두 전달되는 다른 함수 내에서 함수를 호출해야하는 경우에는 그보다 훨씬 더 매끄러운 방법이 있습니다. lm()그 길을 가고 싶다면 몸의 첫 줄을 연구하십시오 .

사용하다 mapply

> df <- data.frame(x=c(1,2), y=c(3,4), z=c(5,6))
> df
  x y z
1 1 3 5
2 2 4 6
> mapply(function(x,y) x+y, df$x, df$z)
[1] 6 8

> cbind(df,f = mapply(function(x,y) x+y, df$x, df$z) )
  x y z f
1 1 3 5 6
2 2 4 6 8

dplyr패키지 와 함께 새로운 답변

적용하려는 함수가 벡터화 mutate된 경우 dplyr패키지 에서 해당 함수를 사용할 수 있습니다 .

> library(dplyr)
> myf <- function(tens, ones) { 10 * tens + ones }
> x <- data.frame(hundreds = 7:9, tens = 1:3, ones = 4:6)
> mutate(x, value = myf(tens, ones))
  hundreds tens ones value
1        7    1    4    14
2        8    2    5    25
3        9    3    6    36

plyr패키지 와 함께 옛 대답

겸손한 견해로는, 작업에 가장 적합한 도구 mdply는 plyr패키지입니다.

예:

> library(plyr)
> x <- data.frame(tens = 1:3, ones = 4:6)
> mdply(x, function(tens, ones) { 10 * tens + ones })
  tens ones V1
1    1    4 14
2    2    5 25
3    3    6 36

불행히도 Bertjan Broeksema가 지적했듯이 mdply호출 에서 데이터 프레임의 모든 열을 사용하지 않으면이 방법이 실패합니다 . 예를 들어

> library(plyr)
> x <- data.frame(hundreds = 7:9, tens = 1:3, ones = 4:6)
> mdply(x, function(tens, ones) { 10 * tens + ones })
Error in (function (tens, ones)  : unused argument (hundreds = 7)

다른 사람들은 mapply이 목적을 위해 만들어진 것을 올바르게 지적 했지만 (완전성을 위해) 개념적으로 더 간단한 방법은 for루프 를 사용하는 것 입니다.

for (row in 1:nrow(df)) { 
    df$newvar[row] <- testFunc(df$x[row], df$z[row]) 
}

많은 함수가 이미 벡터화되어 있으므로 반복 ( for루프 또는 *pply함수)이 필요하지 않습니다 . 당신 testFunc은 그러한 예 중 하나입니다. 간단하게 전화를 걸 수 있습니다.

  testFunc(df[, "x"], df[, "z"])

일반적으로 이러한 벡터화 방법을 먼저 시도하여 원하는 결과를 얻을 수 있는지 확인하는 것이 좋습니다.

또는 벡터화되지 않은 함수에 여러 인수를 전달 해야하는 경우 mapply찾고있는 것일 수 있습니다.

  mapply(power.t.test, df[, "x"], df[, "z"])

다른 접근법이 있습니다. 더 직관적입니다.

후손을 지적하면서 대답 중 일부가 고려하지 않았다고 생각하는 주요 측면은 apply ()를 사용하면 행 계산을 쉽게 수행 할 수 있지만 행렬 (모든 숫자) 데이터에 대해서만 가능하다는 것입니다

열에 대한 작업은 여전히 ​​데이터 프레임에 가능합니다.

as.data.frame(lapply(df, myFunctionForColumn()))

행에서 작업하기 위해 먼저 조옮김을 만듭니다.

tdf<-as.data.frame(t(df))
as.data.frame(lapply(tdf, myFunctionForRow()))

단점은 R이 데이터 테이블의 사본을 만들 것이라고 믿습니다. 메모리 문제 일 수 있습니다. tdf가 원래의 df에 대한 반복자 일뿐이므로 메모리를 절약하는 것이 프로그래밍 방식으로 간단하지만 R은 포인터 또는 반복자 참조를 허용하지 않기 때문에 이것은 매우 슬픈 일입니다.

또한 관련 질문은 데이터 프레임의 각 개별 셀에서 작동하는 방법입니다.

newdf <- as.data.frame(lapply(df, function(x) {sapply(x, myFunctionForEachCell()}))

나는 깔끔한 함수 이름을 찾고 여기에 왔으며 , 나는 그것이 존재한다는 것을 알고 있었다. (나의) 나중의 참조 및 tidyverse열광자를 위해 이것을 추가 : purrrlyr:invoke_rows(purrr:invoke_rows 이전 버전).

원래 질문에서와 같이 표준 통계 방법과 관련하여 빗자루 패키지가 도움이 될 것입니다.

@ user20877984의 답변은 훌륭합니다. 그들이 이전의 대답보다 훨씬 잘 요약 했으므로 여기에 개념을 적용하려는 시도가 있습니다.

사용하는 do.call기본 방식 :

powvalues <- list(power=0.9,delta=2)
do.call(power.t.test,powvalues)

전체 데이터 세트 작업 :

# get the example data
df <- data.frame(delta=c(1,1,2,2), power=c(.90,.85,.75,.45))

#> df
#  delta power
#1     1  0.90
#2     1  0.85
#3     2  0.75
#4     2  0.45

lapplypower.t.test지정된 값의 각 행에 대한 함수 :

result <- lapply(
  split(df,1:nrow(df)),
  function(x) do.call(power.t.test,x)
)

> str(result)
List of 4
 $ 1:List of 8
  ..$ n          : num 22
  ..$ delta      : num 1
  ..$ sd         : num 1
  ..$ sig.level  : num 0.05
  ..$ power      : num 0.9
  ..$ alternative: chr "two.sided"
  ..$ note       : chr "n is number in *each* group"
  ..$ method     : chr "Two-sample t test power calculation"
  ..- attr(*, "class")= chr "power.htest"
 $ 2:List of 8
  ..$ n          : num 19
  ..$ delta      : num 1
  ..$ sd         : num 1
  ..$ sig.level  : num 0.05
  ..$ power      : num 0.85
... ...

data.table 이 작업을 수행하는 매우 직관적 인 방법이 있습니다.

library(data.table)

sample_fxn = function(x,y,z){
    return((x+y)*z)
}

df = data.table(A = 1:5,B=seq(2,10,2),C = 6:10)
> df
   A  B  C
1: 1  2  6
2: 2  4  7
3: 3  6  8
4: 4  8  9
5: 5 10 10

:=연산자는 함수를 사용하여 새로운 컬럼을 추가 브래킷 내에서 호출 될 수있다

df[,new_column := sample_fxn(A,B,C)]
> df
   A  B  C new_column
1: 1  2  6         18
2: 2  4  7         42
3: 3  6  8         72
4: 4  8  9        108
5: 5 10 10        150

이 방법을 사용하여 상수를 인수로 쉽게 받아 들일 수도 있습니다.

df[,new_column2 := sample_fxn(A,B,2)]

> df
   A  B  C new_column new_column2
1: 1  2  6         18           6
2: 2  4  7         42          12
3: 3  6  8         72          18
4: 4  8  9        108          24
5: 5 10 10        150          30

data.frame 열이 다른 유형이면 apply()문제가 있습니다. 행 반복에 대한 미묘한 점은 apply(a.data.frame, 1, ...)열이 다른 유형일 때 암시 적 유형을 문자 유형으로 변환 하는 방법입니다 . 예. 요인과 숫자 열. 다음은 한 열의 요소를 사용하여 숫자 열을 수정하는 예입니다.

mean.height = list(BOY=69.5, GIRL=64.0)

subjects = data.frame(gender = factor(c("BOY", "GIRL", "GIRL", "BOY"))
         , height = c(71.0, 59.3, 62.1, 62.1))

apply(height, 1, function(x) x[2] - mean.height[[x[1]]])

열이 문자 유형으로 변환되므로 빼기가 실패합니다.

한 가지 수정은 두 번째 열을 숫자로 역변환하는 것입니다.

apply(subjects, 1, function(x) as.numeric(x[2]) - mean.height[[x[1]]])

그러나 열을 별도로 유지하고 다음을 사용하면 변환을 피할 수 있습니다 mapply().

mapply(function(x,y) y - mean.height[[x]], subjects$gender, subjects$height)

mapply()[[ ]]벡터 인수를 허용하지 않기 때문에 필요합니다 . 따라서 열을 반복하기 전에 []좀 더 못생긴 코드 로 벡터를 전달하여 빼기 전에 수행 할 수 있습니다 .

subjects$height - unlist(mean.height[subjects$gender])

이것에 대한 정말 좋은 기능은 adplyfrom plyr, 특히 결과를 원본 데이터 프레임에 추가하려는 경우입니다. 이 기능과 그 사촌 덕분 ddply에 많은 두통과 코드가 절약되었습니다!

df_appended <- adply(df, 1, mutate, sum=x+z)

또는 원하는 기능을 호출 할 수 있습니다.

df_appended <- adply(df, 1, mutate, sum=testFunc(x,z))