这是我的问题：我有两个不同的数据框（A 和 B）。每个数据框的列是一个地理区域，行数据是一个区域的物种。我需要将数据名 A 的位置 1 的物种列表与数据框 B 的所有位置的物种列表相交。为此，我编写了一个这样的循环：
res<-list()
for(i in 1:length(B)) {intersect(A[1], B[i])->res[[i]]
}
现在我必须对 A 的位置 2,3,4,5,6,..... 重复相同的循环，也就是说我必须将 A 的所有位置与 A 的所有位置相交B.
谢谢。
【问题讨论】：
这是使用lapply() 的嵌套循环的类似方法。
如果您有一个大型数据集，与使用循环相比，使用 lapply() 可能会大大提高您的速度。 R中循环比较慢，建议尽可能使用the *apply family中的向量化函数。
我将通过一个示例进行演示，您也许可以将其调整为您的数据集。
首先，我们创建一个名为 df 的示例 3x3 数据框，列有 a、b 和 c，行有 d、e 和 f：
> df <- data.frame(a = sample(3), b = sample(3), c = sample(3))
> rownames(df) <- c('d','e','f')
让我们看看df及其转置t(df)：
> df
a b c
d 3 1 3
e 1 3 1
f 2 2 2
> t(df)
d e f
a 3 1 2
b 1 3 2
c 3 1 2
假设我们想要intersect df 和 t(df) 的列向量。我们现在使用嵌套的lapply() 语句在来自df 和转置t(df) 的列向量上运行intersect()：
> result <- lapply(df, function(x) lapply(as.data.frame(t(df)), function(y) intersect(x,y)))
结果是list()，显示交集结果：
> is.list(result)
[1] TRUE
> print(result)
$a
$a$d
[1] 3 1
$a$e
[1] 3 1
$a$f
[1] 2
$b
$b$d
[1] 1 3
$b$e
[1] 1 3
$b$f
[1] 2
$c
$c$d
[1] 3 1
$c$e
[1] 3 1
$c$f
[1] 2
让我们再看看df和t(df)，看看如何读取这些结果：
> df
a b c
d 3 1 3
e 1 3 1
f 2 2 2
> t(df)
d e f
a 3 1 2
b 1 3 2
c 3 1 2
让我们看看df$a与t(df)$d、t(df)$e和t(df)$f相交：
$a
$a$d
[1] 3 1
与向量a 和d 相交：{3,1,2}^{3,1,3} = {3,1}
$a$e
[1] 3 1
同样，使用向量 a 和 e：{3,1,2}^{1,3,1} = {3,1}
$a$f
[1] 2
最后，使用向量 a 和 f：{3,1,2}^{2,2,2} = {2}
result 中的其他项目如下。
要将其扩展到您的数据集，请将您的数据框列视为localities，将转置数据框列视为您的物种。然后使用lapply()，如上图。
要分解嵌套的lapply() 语句，请从内部lapply() 开始：
lapply(as.data.frame(t(df)), function(y) ... )
这意味着t(df) 中的每个列向量——$d、$e 和$f 列——都由function(y) 中的变量y 表示。我们稍后会回到...。
现在我们看看外层lapply()：
lapply(df, function(x) ... )
这意味着df 中的每个列向量（$a、$b 和 $c 列）都由 function(x) 中的变量 x 表示。
现在让我们解释一下...。
外部... 是x 的任何函数——这可以是length()、sum() 等，甚至是另一个lapply()。内部lapply() 有自己的函数和变量名y，因此内部... 可以在x 和y 上运行函数。
这就是我们所做的：对于df 中的每个列向量，我们对该df-vector 和转置t(df) 中的每个列向量运行一个函数。在我们的示例中，我们将在x 和y 上运行的函数是intersect()：
> result <- lapply(df, function(x) lapply(as.data.frame(t(df)), function(y) intersect(x,y)))
【讨论】：
很难完全理解您想要获得的结果。但是，如果我猜对了您的需求，下面的代码将满足您的需求。这段代码当然可以进一步优化以提高速度，因为对于大数据集它可能工作得不会太快。
res <- list()
for (i in 1:ncol(A)) {
res[[i]] <- list()
for (j in 1:ncol(B)) {
res[[i]][[j]] <- intersect(A[,i], B[,j])
}
}
要访问结果，您可以使用
res[[column_index_in_A]][[column_index_in_B]]
【讨论】：
以下是对您的数据的疯狂猜测：
A <- data.frame(
London = c(TRUE, TRUE, FALSE),
Manchester = c(FALSE, TRUE, FALSE),
Birmingham = c(TRUE, FALSE, TRUE),
row.names = c("rats", "mice", "foxes")
)
B <- data.frame(
London = c(TRUE, FALSE, FALSE),
Manchester = c(TRUE, TRUE, TRUE),
Birmingham = c(TRUE, TRUE, FALSE),
row.names = c("rats", "mice", "foxes")
)
> A
London Manchester Birmingham
rats TRUE FALSE TRUE
mice TRUE TRUE FALSE
foxes FALSE FALSE TRUE
> B
London Manchester Birmingham
rats TRUE TRUE TRUE
mice FALSE TRUE TRUE
foxes FALSE TRUE FALSE
在这种情况下，要在两个数据集中找到存在于同一位置的物种，您只需要
as.matrix(A) & as.matrix(B)
【讨论】：