如何将多变量向量值函数的输出收集到数据框中？答案

【问题标题】：How to collect outputs of multivariable vector-valued function into a dataframe?如何将多变量向量值函数的输出收集到数据框中？
【发布时间】：2021-04-07 10:36:10
【问题描述】：

我有一个函数 f1 接受一对实数 (x, y) 并返回实数的三倍。我想在向量a 和y 中为向量b 中的所有x 收集此函数的所有输出。能否请您详细说明如何操作？

f1 <- function(x, y){
  return (c(x+y, x-y, x*y))
}

a <- seq(0, pi, 0.1)
b <- seq(0, 2 * pi, 0.1)

更新：我的意思是所有对 $(x, y) \in a \times b$。

【问题讨论】：

标签： r function dataframe vector

【解决方案1】：

这是一个data.table 选项

setDT(expand.grid(a, b))[, fval := do.call(Vectorize(f1, SIMPLIFY = FALSE), unname(.SD))][]

在哪里使用expand.grid + do.call + Vectorize，给出

      Var1 Var2              fval
   1:  0.0  0.0             0,0,0
   2:  0.1  0.0       0.1,0.1,0.0
   3:  0.2  0.0       0.2,0.2,0.0
   4:  0.3  0.0       0.3,0.3,0.0
   5:  0.4  0.0       0.4,0.4,0.0
  ---
2012:  2.7  6.2  8.90,-3.50,16.74
2013:  2.8  6.2  9.00,-3.40,17.36
2014:  2.9  6.2  9.10,-3.30,17.98
2015:  3.0  6.2     9.2,-3.2,18.6
2016:  3.1  6.2  9.30,-3.10,19.22

更紧凑的是使用CJ(a,b) 而不是setDT(expand.grid(a, b))（感谢@akrun 的建议）

【讨论】：

我认为CJ(a, b) 会比setDT(expand.grid(a, b)) 更紧凑
@akrun 谢谢，那绝对更紧凑 :) 新年快乐！

【解决方案2】：

我们可以使用expand.grid 扩展'a' 和'b' 值之间的数据，然后循环使用apply、MARGIN = 1 并应用f1

out <- as.data.frame(t(apply(expand.grid(a, b), 1, function(x) f1(x[1], x[2]))))

或者tidyverse

library(dplyr)
library(purrr)
library(tidyr)

out2 <- crossing(x = a, y = b) %>% 
       pmap_dfr(f2)

-输出

head(out2)
# A tibble: 6 x 3
#    add subtract multiply
#  <dbl>    <dbl>    <dbl>
#1   0        0          0
#2   0.1     -0.1        0
#3   0.2     -0.2        0
#4   0.3     -0.3        0
#5   0.4     -0.4        0
#6   0.5     -0.5        0

在哪里f2

f2 <- function(x, y){
    return (tibble(add = x+y, subtract = x-y, multiply = x*y))
  }

returnlist 或tibble 可能会更好，这样会更容易

【讨论】：

【解决方案3】：

使用expand.grid 创建所有可能的组合，并使用Map 将f1 应用于每一对。

val <- expand.grid(a, b)
result <- do.call(rbind, Map(f1, val$Var1, val$Var2))
head(result)

#     [,1] [,2] [,3]
#[1,]  0.0  0.0    0
#[2,]  0.1  0.1    0
#[3,]  0.2  0.2    0
#[4,]  0.3  0.3    0
#[5,]  0.4  0.4    0
#[6,]  0.5  0.5    0

【讨论】：