2 행렬과 2 벡터를 인수 중 하나로 취하는 함수가 있다고 가정합니다. 행렬의 각 행에 함수를 적용하고 n- 벡터를 얻고 싶습니다. R에서이 작업을 수행하는 방법은 무엇입니까?
예를 들어, 세 점에서 2D 표준 정규 분포의 밀도를 계산하고 싶습니다.
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))각 행에 함수를 적용하는 방법은 out무엇입니까?
지정한 방식으로 함수에 대한 포인트 외에 다른 인수의 값을 전달하는 방법은 무엇입니까?
답변:
다음 apply()기능을 사용하면 됩니다.
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> 이것은 행렬을 취하고 각 행에 (어리석은) 함수를 적용합니다. 네 번째, 다섯 번째, ... 인수로 함수에 추가 인수를 전달합니다 apply().
apply()-행별로 스윕하고 (두 번째 인수가 1 일 때, 그렇지 않으면 열로) 현재 행 (또는 col)은 항상 첫 번째 인수입니다. 그것이 사물이 정의되는 방식입니다.
MARGIN인수입니다. 여기서는 행 (의 첫 번째 차원)에 함수를 적용하는 것을 의미합니다 dim(M). 2 인 경우 함수를 열에 적용합니다.
합계 나 평균과 같은 일반적인 함수를 적용하려면 접근 보다 빠르기 때문에 rowSums또는 을 사용해야합니다 . 그렇지 않으면 . FUN 인수 뒤에 추가 인수를 전달할 수 있습니다 (Dirk이 이미 제안한대로).rowMeansapply(data, 1, sum)apply(data, 1, fun)
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 4그런 다음 다음과 같이 할 수 있습니다.
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 4.00다음은 행렬의 각 행에 함수를 적용하는 간단한 예입니다. (여기서 적용된 함수는 모든 행을 1로 정규화합니다.)
참고 : 의 결과 는 입력 행렬과 동일한 레이아웃을 얻기 위해를 사용하여 전치apply() 되어야했습니다 .t()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) ))결과:
[,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 0.75첫 번째 단계는 함수 객체를 만든 다음 적용하는 것입니다. 같은 수의 행을 가진 행렬 객체를 원하면 그림과 같이 객체를 미리 정의하고 object [] 형식을 사용할 수 있습니다 (그렇지 않으면 반환 된 값이 벡터로 단순화됩니다).
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-15기본 매개 변수가 아닌 다른 매개 변수를 사용하려는 경우 함수 뒤에 명명 된 인수를 포함해야합니다.
bvout[] <-apply(out, 1, FUN=bvnormdens, mu=c(-1,1), rho=0.6)apply ()는 고차원 배열에서도 사용할 수 있으며 MARGIN 인수는 단일 정수일뿐만 아니라 벡터 일 수 있습니다.
Apply는 작업을 잘 수행하지만 상당히 느립니다. sapply 및 vapply를 사용하면 유용 할 수 있습니다. dplyr의 rowwise도 유용 할 수 있습니다. 모든 데이터 프레임의 row wise product를 수행하는 방법의 예를 살펴 보겠습니다.
a = data.frame(t(iris[1:10,1:3]))
vapply(a, prod, 0)
sapply(a, prod)vapply / sapply / apply를 사용하기 전에 변수에 할당하는 것은 시간을 많이 줄여주는 좋은 방법입니다. 마이크로 벤치 마크 결과를 보자
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))
)t ()가 어떻게 사용되는지주의 깊게 살펴보십시오.
b <- t(iris[1:10, 1:3])및 을 사용한 경우 apply 제품군을 비교하는 것이 더 공정 할 수 있습니다 apply(b, 2 prod).