Menerapkan fungsi ke setiap baris matriks atau bingkai data

Misalkan saya memiliki matriks dengan 2 dan fungsi yang mengambil 2-vektor sebagai salah satu argumennya. Saya ingin menerapkan fungsi ke setiap baris matriks dan mendapatkan vektor-n. Bagaimana melakukan ini di R?

Misalnya, saya ingin menghitung kepadatan distribusi Normal standar 2D pada tiga titik:

bivariate.density(x = c(0, 0), mu = c(0, 0), sigma = c(1, 1), rho = 0){
    exp(-1/(2*(1-rho^2))*(x[1]^2/sigma[1]^2+x[2]^2/sigma[2]^2-2*rho*x[1]*x[2]/(sigma[1]*sigma[2]))) * 1/(2*pi*sigma[1]*sigma[2]*sqrt(1-rho^2))
}

out <- rbind(c(1, 2), c(3, 4), c(5, 6))

Bagaimana cara menerapkan fungsi ke setiap baris out?

Bagaimana cara melewatkan nilai untuk argumen lain selain poin ke fungsi dengan cara yang Anda tentukan?

Anda cukup menggunakan apply()fungsinya:

R> M <- matrix(1:6, nrow=3, byrow=TRUE)
R> M
     [,1] [,2]
[1,]    1    2
[2,]    3    4
[3,]    5    6
R> apply(M, 1, function(x) 2*x[1]+x[2])
[1]  4 10 16
R> 

Ini mengambil matriks dan menerapkan fungsi (konyol) ke setiap baris. Anda meneruskan argumen tambahan ke fungsi sebagai argumen keempat, kelima, ... ke apply().

Jika Anda ingin menerapkan fungsi umum seperti sum atau mean, Anda harus menggunakan rowSumsatau rowMeanskarena lebih cepat daripada apply(data, 1, sum)pendekatan. Jika tidak, tetaplah dengan apply(data, 1, fun). Anda bisa meneruskan argumen tambahan setelah argumen FUN (seperti yang sudah disarankan Dirk):

set.seed(1)
m <- matrix(round(runif(20, 1, 5)), ncol=4)
diag(m) <- NA
m
     [,1] [,2] [,3] [,4]
[1,]   NA    5    2    3
[2,]    2   NA    2    4
[3,]    3    4   NA    5
[4,]    5    4    3   NA
[5,]    2    1    4    4

Kemudian Anda dapat melakukan sesuatu seperti ini:

apply(m, 1, quantile, probs=c(.25,.5, .75), na.rm=TRUE)
    [,1] [,2] [,3] [,4] [,5]
25%  2.5    2  3.5  3.5 1.75
50%  3.0    2  4.0  4.0 3.00
75%  4.0    3  4.5  4.5 4.00

Berikut adalah contoh singkat penerapan fungsi ke setiap baris matriks. (Di sini, fungsi yang diterapkan menormalkan setiap baris ke 1.)

Catatan: Hasil dari apply()harus dialihkan menggunakan t()untuk mendapatkan tata letak yang sama dengan matriks masukan A.

A <- matrix(c(
  0, 1, 1, 2,
  0, 0, 1, 3,
  0, 0, 1, 3
), nrow = 3, byrow = TRUE)

t(apply(A, 1, function(x) x / sum(x) ))

Hasil:

     [,1] [,2] [,3] [,4]
[1,]    0 0.25 0.25 0.50
[2,]    0 0.00 0.25 0.75
[3,]    0 0.00 0.25 0.75

Langkah pertama adalah membuat objek fungsi, lalu menerapkannya. Jika Anda menginginkan objek matriks yang memiliki jumlah baris yang sama, Anda dapat menentukannya sebelumnya dan menggunakan bentuk objek [] seperti yang diilustrasikan (jika tidak, nilai yang dikembalikan akan disederhanakan menjadi vektor):

bvnormdens <- function(x=c(0,0),mu=c(0,0), sigma=c(1,1), rho=0){
     exp(-1/(2*(1-rho^2))*(x[1]^2/sigma[1]^2+
                           x[2]^2/sigma[2]^2-
                           2*rho*x[1]*x[2]/(sigma[1]*sigma[2]))) * 
     1/(2*pi*sigma[1]*sigma[2]*sqrt(1-rho^2))
     }
 out=rbind(c(1,2),c(3,4),c(5,6));

 bvout<-matrix(NA, ncol=1, nrow=3)
 bvout[] <-apply(out, 1, bvnormdens)
 bvout
             [,1]
[1,] 1.306423e-02
[2,] 5.931153e-07
[3,] 9.033134e-15

Jika Anda ingin menggunakan selain parameter default Anda, panggilan harus menyertakan argumen bernama setelah fungsi:

bvout[] <-apply(out, 1, FUN=bvnormdens, mu=c(-1,1), rho=0.6)

apply () juga bisa digunakan pada larik berdimensi lebih tinggi dan argumen MARGIN bisa berupa vektor serta bilangan bulat tunggal.

Melamar berhasil dengan baik, tetapi cukup lambat. Menggunakan sapply dan vapply bisa bermanfaat. rowwise dplyr juga bisa berguna Mari kita lihat contoh bagaimana melakukan produk bijak baris dari setiap bingkai data.

a = data.frame(t(iris[1:10,1:3]))
vapply(a, prod, 0)
sapply(a, prod)

Perhatikan bahwa menugaskan ke variabel sebelum menggunakan vapply / sapply / apply adalah praktik yang baik karena mengurangi banyak waktu. Mari kita lihat hasil microbenchmark

a = data.frame(t(iris[1:10,1:3]))
b = iris[1:10,1:3]
microbenchmark::microbenchmark(
    apply(b, 1 , prod),
    vapply(a, prod, 0),
    sapply(a, prod) , 
    apply(iris[1:10,1:3], 1 , prod),
    vapply(data.frame(t(iris[1:10,1:3])), prod, 0),
    sapply(data.frame(t(iris[1:10,1:3])), prod) ,
    b %>%  rowwise() %>%
        summarise(p = prod(Sepal.Length,Sepal.Width,Petal.Length))
)

Perhatikan dengan cermat bagaimana t () digunakan

Pendekatan lain jika Anda ingin menggunakan bagian yang bervariasi dari kumpulan data alih-alih satu nilai adalah dengan menggunakan rollapply(data, width, FUN, ...). Menggunakan vektor dengan lebar memungkinkan Anda untuk menerapkan fungsi pada jendela yang bervariasi dari kumpulan data. Saya telah menggunakan ini untuk membangun rutinitas pemfilteran adaptif, meskipun tidak terlalu efisien.