在 R 中，将函数应用于数据框的行并返回数据框

Question

我正在尝试将自写函数应用于数据框的行。

library(dplyr) # only used for data_frame
DF = data_frame(x = c(50, 49, 20), y = c(132, 124, 130), z = c(0.82, 1, 0.63))

     x     y     z
   <dbl> <dbl> <dbl>
1    50   132  0.82
2    49   124  1.00
3    20   130  0.63

实际数据框有数千行，这只是一个示例。

我的函数非常复杂并且做了很多事情，最后我为 DF 的每一行得到一个新行。 假设为简单起见，该函数将 1 添加到第 1 列，将 2 添加到第 2 列，将 3 添加到第 3 列（这当然可以向量化，但是我的函数，我们称之为 Funct，可以做更多的事情）。 所以：

Funct = function(DF) {
   DF[1]= DF[1]+1
   DF[2] = DF[2]+2
   DF[3] = DF[3]+3
   return(DF)
}

我如何以最有效的方式应用此功能以最终获得带有输出的新数据框：

> DF
     x     y     z
   <dbl> <dbl> <dbl>
1    51   134  3.82
2    50   126  4.00
3    21   132  3.63

Answer 1

apply 对于数据帧来说是一个糟糕的选择，因为它是为矩阵设计的，因此会在迭代之前将数据帧输入强制转换为矩阵。除了偶尔会进行昂贵的转换（之后必须反转）之外，真正的问题是 R 中的矩阵只能处理一种类型，而数据帧可以为每个变量具有不同的类型。因此，虽然它可以很好地处理这里的数据，但是当数字被强制转换为字符时，您通常会在看不到的矩阵中发生类型强制，因为另一列是一个因素。如果您真的想使用apply，请事先明确强制转换为矩阵，这样您就可以看到它正在处理什么，并且您将避免很多烦人的错误。

但有比apply 更好的选择：相反，并行迭代变量（列），然后将结果列表强制返回到数据框。 purrr::pmap_dfr 将处理这两个部分：

library(tidyverse)

DF = data_frame(x = c(50, 49, 20), 
                y = c(132, 124, 130), 
                z = c(0.82, 1, 0.63))

DF %>% 
    pmap_dfr(~list(x = ..1 + 1,
                   y = ..2 + 2,
                   z = ..3 + 3))
#> # A tibble: 3 x 3
#>       x     y     z
#>   <dbl> <dbl> <dbl>
#> 1   51.  134.  3.82
#> 2   50.  126.  4.00
#> 3   21.  132.  3.63

你可以用

在基础 R 中做同样的事情

do.call(rbind, do.call(Map, 
                       c(function(...){
                           data.frame(x = ..1 + 1,
                                      y = ..2 + 2,
                                      z = ..3 + 3)
                       }, 
                       DF)
))
#>    x   y    z
#> 1 51 134 3.82
#> 2 50 126 4.00
#> 3 21 132 3.63

...虽然不是很漂亮。

请注意，如果可能，矢量化解决方案会快得多。

DF %>% 
    mutate(x = x + 1,
           y = y + 2,
           z = z + 3)
#> # A tibble: 3 x 3
#>       x     y     z
#>   <dbl> <dbl> <dbl>
#> 1   51.  134.  3.82
#> 2   50.  126.  4.00
#> 3   21.  132.  3.63

Answer 2

只需使用apply...

DF2 <- as.data.frame(t(apply(DF, 1, Funct)))

DF2
   x   y    z
1 51 134 3.82
2 50 126 4.00
3 21 132 3.63

Answer 3

如果这是完美的numeric，你可以侥幸逃脱

as.data.frame(t(apply(as.matrix(DF), 1, `+`, c(1,2,3))))
as.data.frame(t(apply(DF, 1, Funct))) # better, per AndrewGustar's answer

这可能是您能做到的最快速度。但是，如果您在数据中包含 numeric 以外的任何内容（例如，integer 或 *gasp* character），则使用 apply 将导致转换出 numeric，而不是您想要的。 （我在第一个示例中包含as.matrix 以演示apply 中实际发生的情况，而不是您的代码中实际上需要它。这种矩阵转换是apply 可能对非同质帧产生问题的原因。）

正如在其他 cmets 中所述，如果您的数据确实是全部 -numeric，则通过将其转换为 matrix 并按此方式处理，您将获得显着的性能（以及相关的存储）改进。

对于异构类框架（或者如果您只是想对未来的变化保持稳健），试试这个：

do.call(rbind, by(DF, seq_len(nrow(DF)), Funct))
# # A tibble: 3 × 3
#       x     y     z
# * <dbl> <dbl> <dbl>
# 1    51   134  3.82
# 2    50   126  4.00
# 3    21   132  3.63

编辑

如果在聚合每一行时需要包含所有数据：

1. 将整个DF 作为另一个参数传递，例如Funct(DF1, DFall)。这将被称为by(DF, seq_len(nrow(DF)), Funct, DFall=DF)；

2. 如果您对所有行的访问只是一个可以计算一次并作为附加参数传递给Funct 的聚合（想想Funct(DF1, DFall)），那么执行一次计算，然后像上面一样传递它代替整个框架；

3. 否则，使用for 循环。所提供的解决方案（我现在也想不到）都不能促进这种观点。