Предположим, что у меня есть матрица n на 2 и функция, которая берет 2-вектор в качестве одного из своих аргументов. Я хотел бы применить функцию к каждой строке матрицы и получить n-вектор. Как это сделать в R?
Например, я хотел бы вычислить плотность двумерного стандартного нормального распределения по трем точкам:
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))
Как применить функцию к каждой строке out?
Как передать значения для других аргументов, кроме точек в функцию, как вы указываете?
Вы просто используете функцию apply():
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>
Это берет матрицу и применяет (глупую) функцию к каждой строке. Вы передаете дополнительные аргументы функции как четвертый, пятый,... аргументы в apply().
Если вы хотите применить общие функции, такие как сумма или среднее значение, вы должны использовать rowSums или rowMeans, так как они быстрее, чем apply(data, 1, sum). В противном случае придерживайтесь apply(data, 1, fun). Вы можете передать дополнительные аргументы после аргумента FUN (как уже указывал Дирк):
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
Затем вы можете сделать что-то вроде этого:
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
Вот краткий пример применения функции к каждой строке матрицы. (Здесь применяемая функция нормализует каждую строку до 1.)
Примечание. Результат apply() должен быть транспонирован, используя t(), чтобы получить тот же макет, что и входная матрица 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) ))
Результат:
[,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
Первым шагом будет создание объекта функции, а затем его применение. Если вы хотите, чтобы объект матрицы имел одинаковое количество строк, вы можете предопределить его и использовать форму object [], как показано (в противном случае возвращаемое значение будет упрощено для вектора):
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
Если вы хотите использовать другие параметры, кроме параметров по умолчанию, тогда вызов должен включать именованные аргументы после функции:
bvout[] <-apply(out, 1, FUN=bvnormdens, mu=c(-1,1), rho=0.6)
apply() также может использоваться для массивов с более высокой размерностью, а аргумент MARGIN может быть как вектором, так и одним целым числом.
Другой подход, если вы хотите использовать переменную часть набора данных вместо одного значения, - это использовать rollapply(data, width, FUN, ...). Использование вектора ширины позволяет применять функцию в изменяющемся окне набора данных. Я использовал это для создания адаптивной процедуры фильтрации, хотя это не очень эффективно.
Применить работу хорошо, но довольно медленно. Использование sapply и vapply может быть полезным. dplyr rowwise также может быть полезным Давайте посмотрим на пример того, как делать ряд мудрый продукт любого кадра данных.
a = data.frame(t(iris[1:10,1:3]))
vapply(a, prod, 0)
sapply(a, prod)
Обратите внимание, что назначение переменной перед использованием vapply/sapply/apply является хорошей практикой, так как это значительно сокращает время. Посмотрите результаты микрообнаружения.
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))
)
Соблюдайте осторожность при использовании t()