Untuk setiap baris dalam bingkai data R

Saya memiliki dataframe, dan untuk setiap baris dalam dataframe saya harus melakukan beberapa pencarian rumit dan menambahkan beberapa data ke file.

DataFrame berisi hasil-hasil ilmiah untuk sumur-sumur terpilih dari 96 pelat sumur yang digunakan dalam penelitian biologi, jadi saya ingin melakukan sesuatu seperti:

for (well in dataFrame) {
  wellName <- well$name    # string like "H1"
  plateName <- well$plate  # string like "plate67"
  wellID <- getWellID(wellName, plateName)
  cat(paste(wellID, well$value1, well$value2, sep=","), file=outputFile)
}

Di dunia prosedural saya, saya akan melakukan sesuatu seperti:

for (row in dataFrame) {
    #look up stuff using data from the row
    #write stuff to the file
}

Apa "cara R" untuk melakukan ini?

Anda dapat mencoba ini, menggunakan apply()fungsi

> d
  name plate value1 value2
1    A    P1      1    100
2    B    P2      2    200
3    C    P3      3    300

> f <- function(x, output) {
 wellName <- x[1]
 plateName <- x[2]
 wellID <- 1
 print(paste(wellID, x[3], x[4], sep=","))
 cat(paste(wellID, x[3], x[4], sep=","), file= output, append = T, fill = T)
}

> apply(d, 1, f, output = 'outputfile')

Anda dapat menggunakan by()fungsi ini:

by(dataFrame, 1:nrow(dataFrame), function(row) dostuff)

Tapi iterasi pada baris langsung seperti ini jarang yang Anda inginkan; Anda harus mencoba membuat vektor sebagai gantinya. Bisakah saya bertanya apa yang sebenarnya dilakukan dalam loop?

Pertama, poin Jonathan tentang vektorisasi adalah benar. Jika fungsi getWellID () Anda adalah vektor, maka Anda dapat melewati loop dan cukup menggunakan cat atau write.csv:

write.csv(data.frame(wellid=getWellID(well$name, well$plate), 
         value1=well$value1, value2=well$value2), file=outputFile)

Jika getWellID () tidak di-vectorized, maka rekomendasi Jonathan untuk menggunakan byatau saran knguyen tentang applyharus bekerja.

Jika tidak, jika Anda benar-benar ingin menggunakannya for, Anda dapat melakukan sesuatu seperti ini:

for(i in 1:nrow(dataFrame)) {
    row <- dataFrame[i,]
    # do stuff with row
}

Anda juga dapat mencoba menggunakan foreachpaket, meskipun mengharuskan Anda untuk terbiasa dengan sintaks itu. Berikut ini contoh sederhana:

library(foreach)
d <- data.frame(x=1:10, y=rnorm(10))
s <- foreach(d=iter(d, by='row'), .combine=rbind) %dopar% d

Opsi terakhir adalah menggunakan fungsi di luar plyrpaket, dalam hal ini konvensi akan sangat mirip dengan fungsi yang berlaku.

library(plyr)
ddply(dataFrame, .(x), function(x) { # do stuff })

Saya pikir cara terbaik untuk melakukan ini dengan R dasar adalah:

for( i in rownames(df) )
   print(df[i, "column1"])

Keuntungan daripada for( i in 1:nrow(df))pendekatan-adalah bahwa Anda tidak mendapat masalah jika dfkosong dan nrow(df)=0.

Saya menggunakan fungsi utilitas sederhana ini:

rows = function(tab) lapply(
  seq_len(nrow(tab)),
  function(i) unclass(tab[i,,drop=F])
)

Atau bentuk yang lebih cepat, kurang jelas:

rows = function(x) lapply(seq_len(nrow(x)), function(i) lapply(x,"[",i))

Fungsi ini hanya membagi data.frame menjadi daftar baris. Kemudian Anda dapat membuat "untuk" yang normal pada daftar ini:

tab = data.frame(x = 1:3, y=2:4, z=3:5)
for (A in rows(tab)) {
    print(A$x + A$y * A$z)
}        

Kode Anda dari pertanyaan akan berfungsi dengan modifikasi minimal:

for (well in rows(dataFrame)) {
  wellName <- well$name    # string like "H1"
  plateName <- well$plate  # string like "plate67"
  wellID <- getWellID(wellName, plateName)
  cat(paste(wellID, well$value1, well$value2, sep=","), file=outputFile)
}

Saya ingin tahu tentang kinerja waktu dari opsi non-vektor. Untuk tujuan ini, saya telah menggunakan fungsi f yang didefinisikan oleh knguyen

f <- function(x, output) {
  wellName <- x[1]
  plateName <- x[2]
  wellID <- 1
  print(paste(wellID, x[3], x[4], sep=","))
  cat(paste(wellID, x[3], x[4], sep=","), file= output, append = T, fill = T)
}

dan bingkai data seperti yang ada dalam contohnya:

n = 100; #number of rows for the data frame
d <- data.frame( name = LETTERS[ sample.int( 25, n, replace=T ) ],
                  plate = paste0( "P", 1:n ),
                  value1 = 1:n,
                  value2 = (1:n)*10 )

Saya menyertakan dua fungsi vektor (pasti lebih cepat dari yang lain) untuk membandingkan pendekatan cat () dengan metode write.table () ...

library("ggplot2")
library( "microbenchmark" )
library( foreach )
library( iterators )

tm <- microbenchmark(S1 =
                       apply(d, 1, f, output = 'outputfile1'),
                     S2 = 
                       for(i in 1:nrow(d)) {
                         row <- d[i,]
                         # do stuff with row
                         f(row, 'outputfile2')
                       },
                     S3 = 
                       foreach(d1=iter(d, by='row'), .combine=rbind) %dopar% f(d1,"outputfile3"),
                     S4= {
                       print( paste(wellID=rep(1,n), d[,3], d[,4], sep=",") )
                       cat( paste(wellID=rep(1,n), d[,3], d[,4], sep=","), file= 'outputfile4', sep='\n',append=T, fill = F)                           
                     },
                     S5 = {
                       print( (paste(wellID=rep(1,n), d[,3], d[,4], sep=",")) )
                       write.table(data.frame(rep(1,n), d[,3], d[,4]), file='outputfile5', row.names=F, col.names=F, sep=",", append=T )
                     },
                     times=100L)
autoplot(tm)

Gambar yang dihasilkan menunjukkan bahwa penerapan memberikan kinerja terbaik untuk versi non-vektor, sedangkan write.table () tampaknya mengungguli cat ().

Anda dapat menggunakan by_rowfungsi dari paket purrrlyruntuk ini:

myfn <- function(row) {
  #row is a tibble with one row, and the same 
  #number of columns as the original df
  #If you'd rather it be a list, you can use as.list(row)
}

purrrlyr::by_row(df, myfn)

Secara default, nilai yang dikembalikan dari myfndimasukkan ke dalam kolom daftar baru di df yang dipanggil .out.

Jika ini adalah satu-satunya hasil yang Anda inginkan, Anda dapat menulis purrrlyr::by_row(df, myfn)$.out

Yah, karena Anda meminta R yang setara dengan bahasa lain, saya mencoba melakukan ini. Tampaknya bekerja meskipun saya belum benar-benar melihat teknik mana yang lebih efisien dalam R.

> myDf <- head(iris)
> myDf
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa
2          4.9         3.0          1.4         0.2  setosa
3          4.7         3.2          1.3         0.2  setosa
4          4.6         3.1          1.5         0.2  setosa
5          5.0         3.6          1.4         0.2  setosa
6          5.4         3.9          1.7         0.4  setosa
> nRowsDf <- nrow(myDf)
> for(i in 1:nRowsDf){
+ print(myDf[i,4])
+ }
[1] 0.2
[1] 0.2
[1] 0.2
[1] 0.2
[1] 0.2
[1] 0.4

Untuk kolom kategorikal, ia akan mengambil Anda sebuah Frame Data yang bisa Anda ketik menggunakan as.character () jika diperlukan.