R：逐行dplyr ::使用函數獲取數據幀行並返回一個整數

我想使用管道mutate語句使用自定義函數。我看起來有點類似SO post但徒勞無功。說我有這樣一個數據幀（其中blob一些變量不涉及到具體的任務，而是整個數據的一部分）：R：逐行dplyr ::使用函數獲取數據幀行並返回一個整數

df <- 
    data.frame(exclude=c('B','B','D'), 
      B=c(1,0,0), 
      C=c(3,4,9), 
      D=c(1,1,0), 
      blob=c('fd', 'fs', 'sa'), 
      stringsAsFactors = F)

我有一個使用該變量名的功能，所以選擇一些基礎在exclude列中的值和例如計算未在exclude中指定的變量（總是單個字符）的總和。

FUN <- function(df){ 
    sum(df[c('B', 'C', 'D')] [!names(df[c('B', 'C', 'D')]) %in% df['exclude']]) 
}

當我給出了一個單行（行1）FUN我得到的C和D（那些沒有被exclude提及），即4的預期總和：

FUN(df[1,])

我如何在具有mutate的管道中做相似的操作（將結果添加到變量s）。這兩種嘗試不起作用：

df %>% mutate(s=FUN(.)) 
df %>% group_by(1:n()) %>% mutate(s=FUN(.))

UPDATE 如預期這也不起作用：

df %>% rowwise(.) %>% mutate(s=FUN(.))

這個工作的原因，但不是dplyr的mutate內（和管道）：

df$s <- sapply(1:nrow(df), function(x) FUN(df[x,]))

來源

2017-05-30 user3375672

你能舉個例子嗎？這不起作用：'df％>％rowwise（。）％>％mutate（s = FUN（。））''。 @konvas的答案看起來有些複雜（請參閱我對@ konvas的建議的評論） – user3375672

對不起，我誤解了。您可以執行'df％>％rowwise（。）％>％mutate（s = FUN（data.frame（exclude =排除，B = B，C = C，D = D）））'或'df％>％rowwise（）％>％nest（排除：D）％> mutate（s = map_dbl（data，FUN））％>％unnest（）'。問題是'dplyr'自然不能在子數據框架上運行，而在列（即向量）上運行。所以一些額外的技巧將是必要的。 – Axeman

這就是我以後的更多！（記錄：它是'tidyr :: nest（）'和'purrr :: map_dbl（）'）。 – user3375672

如果你想使用dplyr你可以使用rowwise和你的功能FUN。

df %>% 
    rowwise %>% 
    do({ 
     result = as_data_frame(.) 
     result$s = FUN(result) 
     result 
    })

同樣可以使用group_by代替rowwise（像你已經嘗試過），但與do代替mutate

df %>% 
    group_by(1:n()) %>% 
    do({ 
     result = as_data_frame(.) 
     result$s = FUN(result) 
     result 
    })

原因mutate不會在這種情況下工作，是你實現正在將整個過程傳遞給它，所以這就像調用FUN(df)。

儘管做同樣的事情更有效的方法是隻是製作一個包含列的矩陣，然後使用rowSums。

cols <- c('B', 'C', 'D') 
include_mat <- outer(function(x, y) x != y, X = df$exclude, Y = cols) 
# or outer(`!=`, X = df$exclude, Y = cols) if it's more readable to you 
df$s <- rowSums(df[cols] * include_mat)

來源

2017-05-30 14:30:51 konvas

是的，謝謝，但我上面的例子（總和）只是一個玩具的例子。我的目標是瞭解如何在dplyr管道（'％>％'）內使用dyprr :: mutate自定義函數（ny）。 do（）語句中的建議看起來非常（如您所說）效率低下且有狀態 - 有很多簡單的方法。我也可以做得更有效率（但是這不是用dplyr mutate和pipes）：'df $ s < - sapply（1：nrow（df），function（x）FUN（df [x，]））' 。 – user3375672

我想你現在解決了這一點，但對於其他人，在這個線程跌倒，我會建議在purrrlyr包使用by_row功能。

在你上面的例子中，我們將使用您的數據幀df並以下列方式用戶定義函數FUN：

df %>% 
    by_row(..f = FUN, .to = "s", .collate = "cols")

這就是它！給你：

# tibble [3 x 6] 
    exclude  B  C  D blob  s 
    <chr> <dbl> <dbl> <dbl> <chr> <dbl> 
1  B  1  3  1 fd  4 
2  B  0  4  1 fs  5 
3  D  0  9  0 sa  9

誠然，語法是有點怪，但這裏是它的分解：

..f =功能應用到每一行
.to =的名稱輸出列，在這種情況下s
.collate =結果按列表，行或列排序的方式。由於FUN只有一個輸出，我們將被罰款爲使用"cols"或"rows"

見here的更多信息，使用purrrlyr ...

預警，而我喜歡的功能by_row，它並不總是表現的最佳方法！請參閱以下microbenchmark測試：

mbm <- microbenchmark(
    purrrlyr.test = df %>% by_row(..f = FUN, .to = "s", .collate = "cols"), 
    rowwise.test = df %>% 
    rowwise %>% 
    do({ 
     result = as_data_frame(.) 
     result$s = FUN(result) 
     result 
    }), 
    group_by.test = df %>% 
    group_by(1:n()) %>% 
    do({ 
     result = as_data_frame(.) 
     result$s = FUN(result) 
     result 
    }), 
    sapply.test = {df$s <- sapply(1:nrow(df), function(x) FUN(df[x,]))} 
) 
autoplot(mbm)

你可以看到purrrlyr方法比使用do組合與rowwise或group_by(1:n())（見@konvas答案）的方法快，但仍然沒有與sapply方法一樣高效。不同的用戶定義的功能可能會改變速度順序。

來源

2017-09-28 19:16:20

R：逐行dplyr ::使用函數獲取數據幀行並返回一個整數

回答

相關問題