代码之家 › 专栏 › 技术社区 › 89_Simple

R: 对数据帧使用“应用族”而不是“for循环”

apply for-loop r

89_Simple · 技术社区 · 7 年前

首先,一些示例数据:

location <- c("A","B","C","D","E")
mat <- as.data.frame(matrix(runif(1825),nrow=5,ncol=365))
t1<- c(258,265,306,355)
t2<- c(258,270,302,352)
t3<- c(258,275,310,353)
t4<- c(258,280,303,355)
t5<- c(258,285,312,356)
ts<-rbind(t1,t2,t3,t4,t5)
dat <-as.data.frame(cbind(location,mat,ts))
names(dat)[367:370] <- c("pl","vg","re","me")

location 是站点的名称。 V1 到 V365 是每日降雨量(含 V1 像一年的第一天)。我想做的是:

对于每行( 地方 ),我想根据上一个四列 pl , vg , re , me (规定了一年中的几天)

例如,对于位置 A ,最后四列为:

pl公司 = 258 vg公司 = 265 重新 = 306 我 = 355

因此,对于位置 A. ,我想生成三个降雨量值,它们是来自以下方面的降雨量总和:

V258 到 V264

V265 到 V305 和

V306 到 V355

在所有五个地点都这样做。

我所做的是:

 for(j in unique(dat$location)){

    loc <- dat[dat$location == j,]

    pl.val <- loc$pl + 1 # have to add + 1 since the rainfall starts from the second column
   vg.val <- loc$vg + 1
   re.val <- loc$re + 1
   me.val <- loc$me + 1

   rain1 <- sum(loc[,pl.val:vg.val]) 
   rain2 <- sum(loc[,(vg.val+ 1):re.val]) 
   rain3 <- sum(loc[,(re.val + 1):me.val]) 
}

我想避免使用 for 循环并使用 apply 功能。然而,我是不熟悉如何使用apply函数对所有行进行计算 (位置)一次性完成。有人能告诉我怎么做吗?

谢谢

编辑

如果我有其中一个位置的降雨量值为NA,而其他日期为NAs,那么我如何修改下面接受为答案的代码。以下是示例数据

location <- c("A","B","C")
mat <- as.data.frame(matrix(runif(365*3),nrow=3,ncol=365))
t1<- c(258,265,306,355)
t2<- c(258,NA,NA,NA)
t3<- c(258,275,310,353)
ts<-rbind(t1,t2,t3)
dat <-as.data.frame(cbind(location,mat,ts))
names(dat)[367:370] <- c("pl","vg","re","me")
dat[2,-c( 367:370)] <- NA

2 回复 | 直到 7 年前

cuttlefish44 7 年前

我想你想要速度。

我认为数据的形式不适合计算,因为只有col1是字符,col367:370是不同的类型,而且非常广泛。也许逐行计算不是个好主意。基本上,R适合逐列计算。

如果我是你,我会准备以下表格中的数据;

library(tidyverse)

dat1 <- dat[, -c(1, 367:370)] %>% 
  t() %>% 
  as.tibble() %>% 
  set_names(location)

dat2 <- dat[, 367:370] %>% 
  t() %>% 
  as.tibble() %>% 
  set_names(location)

我建议 map2() 计算每对列。 .x 每列 dat1 和 .y 每列 dat2 (它们被视为向量)。以下代码的速度是您的50倍。

map2(dat1, dat2, ~ {
  pl.val <- .y[1]
  vg.val <- .y[2]
  re.val <- .y[3]
  me.val <- .y[4]

  rain1 <- sum(.x[pl.val:vg.val]) 
  rain2 <- sum(.x[(vg.val+ 1):re.val]) 
  rain3 <- sum(.x[(re.val + 1):me.val]) 
  c(rain1 = rain1, rain2 = rain2, rain3 = rain3)
  }
)

[添加NL(应用,映射)]

注:对于 apply() 治疗 data.frame 由于转换为矩阵而具有字符和数字。所以如果你使用 应用() ,需要删除位置列。

apply(dat[,-1], MARGIN = 1, function(x){
  pl.val <- x[367 - 1]
  vg.val <- x[368 - 1]
  re.val <- x[369 - 1]
  me.val <- x[370 - 1]

  rain1 <- sum(x[pl.val:vg.val]) 
  rain2 <- sum(x[(vg.val+ 1):re.val]) 
  rain3 <- sum(x[(re.val + 1):me.val]) 
  c(rain1 = rain1, rain2 = rain2, rain3 = rain3)
})

mapply() 基本上与 map2() . 在这个问题上, mapply() 提供最佳性能。

mapply(function(.x, .y){
  pl.val <- .y[1]
  vg.val <- .y[2]
  re.val <- .y[3]
  me.val <- .y[4]

  rain1 <- sum(.x[pl.val:vg.val]) 
  rain2 <- sum(.x[(vg.val+ 1):re.val]) 
  rain3 <- sum(.x[(re.val + 1):me.val]) 
  c(rain1 = rain1, rain2 = rain2, rain3 = rain3)
  }, dat1, dat2)

[基准]

Unit: microseconds
             expr       min        lq       mean     median        uq       max neval cld
 forloop_method() 14154.075 15074.555 17110.4060 16588.1200 18416.387 25869.836   100   c
    map2_method()   205.586   234.263   325.8762   313.9395   333.633  2072.911   100 a  
   apply_method()  1617.443  1684.812  1913.9187  1783.2480  1933.216  4189.687   100  b 
  mapply_method()   154.972   185.079   213.9370   210.2300   225.978   468.690   100 a

[附加2(错误处理)]

当没有NA时,下面的代码几乎和上面的代码一样快。(注意:如果在一行中,可以省略 {} 属于 if(...) { A } else { B } 例如 if(...) A else B .)

results <- map2(dat1, dat2, ~ {
  pl.val <- .y[1]
  vg.val <- .y[2]
  re.val <- .y[3]
  me.val <- .y[4]

  rain1 <- if(is.na(pl.val) | is.na(vg.val)) NA else sum(.x[pl.val:vg.val], na.rm = T)
  rain2 <- if(is.na(vg.val) | is.na(re.val)) NA else sum(.x[(vg.val+ 1):re.val], na.rm = T)
  rain3 <- if(is.na(re.val) | is.na(me.val)) NA else sum(.x[(re.val + 1):me.val], na.rm = T)
  c(rain1 = rain1, rain2 = rain2, rain3 = rain3)
  }
)

# If you want data.frame instead of list
invoke("rbind", results)

Carl Boneri 7 年前

我不知道你是怎么想回来的雨天的?是否将它们绑定为3个新列?

基本上,这是代码。。。我将浏览: 对于 dat 数据框架中,选择表示天数的列,然后构建这些数字对应值的序列,但要逐步减少下一个值,以便每次都能得到正确的列。因为我们现在在每个地方都有行动 slice 将值转换为数字,并对 apply 步使用 ?sprintf 附加 V 我们从序列创建中获得的每个列编号,并作为列表返回。然后我简单地用相应位置的ID命名列表向量。。。如果要将其附加到数据中。框架也很简单。

lapply(1:nrow(dat), function(i){
    d_idx <- dat[i,] %>% dplyr::select(dplyr::matches("pl|vg|re|me"))
    a_idx <- data.frame(
        s = as.numeric(d_idx[,1:3]), 
        e = c(as.numeric(d_idx[,2:3]) - 1, as.numeric(d_idx[[4]]))
    )
    as.list(apply(a_idx, 1, function(j){
        rowSums(dat[i, sprintf('V%s', seq(min(j),max(j)))])
    })) %>% setNames(sprintf('rain%s', 1:length(.)))
}) %>% setNames(dat$location)


$A
$A$rain1
[1] 2.391448

$A$rain2
[1] 21.58306

$A$rain3
[1] 27.805


$B
$B$rain1
[1] 5.339885

$B$rain2
[1] 16.57476

$B$rain3
[1] 26.37708


$C
$C$rain1
[1] 7.929777

$C$rain2
[1] 17.81324

$C$rain3
[1] 20.12217


$D
$D$rain1
[1] 9.715258

$D$rain2
[1] 11.2547

$D$rain3
[1] 25.93332


$E
$E$rain1
[1] 12.81343

$E$rain2
[1] 15.41595

$E$rain3
[1] 21.79217