用矢量乘數據幀的正確方法是什麼？

我試圖將數據幀df乘以一個向量v，以便產品是一個數據幀，其中i行由df[i,]*v給出。我能做到這一點，例如，通過用矢量乘數據幀的正確方法是什麼？

df <- data.frame(A=1:5, B=2:6); v <- c(0,2) 
as.data.frame(t(t(df) * v)) 
    A B 
1 0 4 
2 0 6 
3 0 8 
4 0 10 
5 0 12

我相信必須有一個更R型方法（和一個非常簡單的！），但沒有一樣是在我的腦海。我甚至想是這樣

apply(df, MARGIN=1, function(x) x*v)

但儘管如此，非可讀的結構類似as.data.frame(t(.))是必需的。
如何在此找到高效優雅的解決方法？

來源

2013-08-22 tonytonov

爲什麼它需要一個data.frame？如果你有所有的數字元素，通常使用矩陣更有意義。 –

這工作太：

data.frame(mapply(`*`,df,v))

在這種解決方案，您正在利用的事實，data.frame是一種類型的list，這樣你就可以遍歷兩個df和v在同一時間的元素與mapply。

不幸的是，您在mapply輸出的內容有限：簡單的list或matrix。如果您的數據是巨大的，這將可能是更有效的：

data.frame(mapply(`*`,df,v,SIMPLIFY=FALSE))

，因爲這將其轉換爲list，這是更有效地轉換爲data.frame。

來源

2013-08-22 14:27:50 nograpes

這是一段很棒的代碼，它看起來也是最有效的。與我的解決方案相比，代碼中不太自我解釋，但非常整潔。 +1進一步優化！ – tonytonov

@阿倫我認爲你是對的，艾迪的答案似乎表明它慢得多。矩陣生成可能比您想象的要長？ – nograpes

允許您將矢量與矩陣組合的語言必須在某個點做出決定，矩陣是行大小還是列大小排序。原因是：

是因爲R首先在列下運行。做雙轉置技巧顛覆了這一點。對不起，如果這只是解釋你所知道的，但我不知道另一種方法，除非明確地將v擴展成相同大小的矩陣。或者編寫一個很好的函數，將不太R風格的代碼包裝成R時尚的代碼。

來源

2013-08-22 14:22:02 Spacedman

R的靈活性是我們熱愛的，這是真的。感謝評論，我認爲解決方案將包裝成一個函數，以保持代碼的可讀性。 – tonytonov

哪些錯誤與

t(apply(df, 1, function(x)x*v))

？

來源

2013-08-22 14:24:42 Fernando

它似乎工作得很好.. – Mayou

這將返回一個矩陣，而不是data.frame，所以它會是'data.frame（t（apply（df，1，function（x）x * v）））'which比@nograpes'answer'data.frame（mapply（'*'，df，v））'簡潔。 – Rob

* mapply *版本似乎更快，更酷。 – Fernando

如果你正在尋找的速度和內存效率 - data.table救援：

library(data.table) 
dt = data.table(df) 

for (i in seq_along(dt)) 
    dt[, i := dt[[i]] * v[i], with = F] 


eddi = function(dt) { for (i in seq_along(dt)) dt[, i := dt[[i]] * v[i], with = F] } 
arun = function(df) { df * matrix(v, ncol=ncol(df), nrow=nrow(df), byrow=TRUE) } 
nograpes = function(df) { data.frame(mapply(`*`,df,v,SIMPLIFY=FALSE)) } 

N = 1e6 
dt = data.table(A = rnorm(N), B = rnorm(N)) 
v = c(0,2) 

microbenchmark(eddi(copy(dt)), arun(copy(dt)), nograpes(copy(dt)), times = 10) 
#Unit: milliseconds 
#    expr  min   lq  median   uq  max neval 
#  eddi(copy(dt)) 17.46796 19.23358 23.53997 26.03665 30.
#  arun(copy(dt)) 1014.36108 1375.66253 1461.46489 1527.66639 1721.96316 10 
# nograpes(copy(dt)) 92.14517 109.30627 158.42780 186.32240 188.01758 10

由於阿倫在評論中指出的，還可以使用set功能從data.table包要做到這一點在data.frame -place修改的還有：

for (i in seq_along(df)) 
    set(df, j = i, value = df[[i]] * v[i])

這當然也適用於data.table的，可能是顯著更快，如果列數很大。

來源

2013-08-22 16:37:13 eddi

+1不錯！該文檔指出，使用'set'和'for-loop'會更快，因爲沒有'[.data.table'的開銷。但是，在這裏，我不認爲它更快..任何想法？另外，'set'可以和'data.frame'一起使用。您不必轉換爲'data.table'（並通過引用進行分配）！ – Arun

有關集合的好處，但是因爲我認爲列數很少，所以我不認爲循環vs集合會有所作爲（如果列的數量足夠大，我認爲'data.table'在這一點上不再是一個好的數據結構）;在我的世界中也沒有轉換到'data.table'，因爲一切都以'data.table'開始;） – eddi

是的。我的意思是（關於*任何想法*）是，'set'是*較慢* ...我不能解釋爲什麼它更慢... – Arun

我認爲最快的方法（沒有測試data.table）是data.frame(t(t(df)*v))。

我的測試：

結果

> set.seed(1) 
> 
> testit(100,100) 
Unit: milliseconds 
              expr  min  lq median  uq  max neval 
         data.frame(t(t(df) * v)) 2.297075 2.359541 2.455778 3.804836 33.05806 100 
data.frame(mapply(`*`, df, v, SIMPLIFY = FALSE)) 9.977436 10.401576 10.658964 11.762009 15.09721 100 
        df * rep(v, each = nrow(df)) 14.309822 14.956705 16.092469 16.516609 45.13450 100 
> testit(1000,10) 
Unit: microseconds 
              expr  min  lq median  uq  max neval 
         data.frame(t(t(df) * v)) 754.844 805.062 844.431 1850.363 27955.79 100 
data.frame(mapply(`*`, df, v, SIMPLIFY = FALSE)) 1457.895 1497.088 1567.604 2550.090 4732.03 100 
        df * rep(v, each = nrow(df)) 5383.288 5527.817 5875.143 6628.586 32392.81 100 
> testit(10,1000) 
Unit: milliseconds 
              expr  min  lq median  uq  max neval 
         data.frame(t(t(df) * v)) 17.07548 18.29418 19.91498 20.67944 57.62913 100 
data.frame(mapply(`*`, df, v, SIMPLIFY = FALSE)) 99.90103 104.36028 108.28147 114.82012 150.05907 100 
        df * rep(v, each = nrow(df)) 112.21719 118.74359 122.51308 128.82863 164.57431 100

來源

2013-08-22 17:01:32

你正在看微小的數據（除非你正在做循環，這些差異並不重要） - 看看例如'testit（100000,10）' - 不是超大的形狀和數據通常形狀 – eddi

@eddi，有趣。但是兩次移位仍然與1e6的mapply順序相同。行其實它在我的跑步中快了大約5％。 –

用矢量乘數據幀的正確方法是什麼？

回答

相關問題