我经常需要对数据帧/矩阵中的每一对列应用一个函数,并在矩阵中返回结果。现在我总是写一个循环来做到这一点。例如,要制作一个包含相关性 p 值的矩阵,我可以这样写:
df <- data.frame(x=rnorm(100),y=rnorm(100),z=rnorm(100))
n <- ncol(df)
foo <- matrix(0,n,n)
for ( i in 1:n)
{
for (j in i:n)
{
foo[i,j] <- cor.test(df[,i],df[,j])$p.value
}
}
foo[lower.tri(foo)] <- t(foo)[lower.tri(foo)]
foo
[,1] [,2] [,3]
[1,] 0.0000000 0.7215071 0.5651266
[2,] 0.7215071 0.0000000 0.9019746
[3,] 0.5651266 0.9019746 0.0000000
这有效,但对于非常大的矩阵来说很慢。我可以在 R 中为此编写一个函数(不必通过假设上述对称结果来将时间减半):
Papply <- function(x,fun)
{
n <- ncol(x)
foo <- matrix(0,n,n)
for ( i in 1:n)
{
for (j in 1:n)
{
foo[i,j] <- fun(x[,i],x[,j])
}
}
return(foo)
}
或者一个带有 Rcpp 的函数:
library("Rcpp")
library("inline")
src <-
'
NumericMatrix x(xR);
Function f(fun);
NumericMatrix y(x.ncol(),x.ncol());
for (int i = 0; i < x.ncol(); i++)
{
for (int j = 0; j < x.ncol(); j++)
{
y(i,j) = as<double>(f(wrap(x(_,i)),wrap(x(_,j))));
}
}
return wrap(y);
'
Papply2 <- cxxfunction(signature(xR="numeric",fun="function"),src,plugin="Rcpp")
但是,即使在包含 100 个变量的非常小的数据集上,两者都非常慢(我认为 Rcpp 函数会更快,但我猜 R 和 C++ 之间的转换总是会产生影响):
> system.time(Papply(matrix(rnorm(100*300),300,100),function(x,y)cor.test(x,y)$p.value))
user system elapsed
3.73 0.00 3.73
> system.time(Papply2(matrix(rnorm(100*300),300,100),function(x,y)cor.test(x,y)$p.value))
user system elapsed
3.71 0.02 3.75
所以我的问题是:
plyr
执行此操作的功能?我已经找过了,但一直找不到。 最佳答案
它不会更快,但您可以使用 outer
以简化代码。它确实需要一个矢量化函数,所以这里我使用了 Vectorize
制作函数的矢量化版本以获取两列之间的相关性。
df <- data.frame(x=rnorm(100),y=rnorm(100),z=rnorm(100))
n <- ncol(df)
corpij <- function(i,j,data) {cor.test(data[,i],data[,j])$p.value}
corp <- Vectorize(corpij, vectorize.args=list("i","j"))
outer(1:n,1:n,corp,data=df)
关于r - 是否有将函数应用于每对列的 R 函数?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/5233308/