Bir R veri çerçevesindeki her satır için

Bir dataframe var ve bu dataframe her satır için bazı karmaşık aramalar yapmak ve bir dosyaya bazı veri eklemek zorunda.

DataFrame biyolojik araştırmada kullanılan 96 oyuklu plakalardan seçilen kuyular için bilimsel sonuçlar içerir, bu yüzden şöyle bir şey yapmak istiyorum:

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)
}

Prosedür dünyamda şöyle bir şey yapardım:

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

Bunu yapmanın "R yolu" nedir?

apply()Fonksiyonu kullanarak bunu deneyebilirsiniz

> 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')

by()İşlevi kullanabilirsiniz :

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

Ancak doğrudan bu şekilde satırlar üzerinde yineleme yapmak istediğiniz şeydir; bunun yerine vektörleştirmeye çalışmalısınız. Döngüdeki gerçek çalışmanın ne yaptığını sorabilir miyim?

İlk olarak, Jonathan'ın vektörleştirme konusundaki anlamı doğrudur. GetWellID () işleviniz vektörleştirilmişse, döngüyü atlayabilir ve sadece cat veya write.csv kullanabilirsiniz:

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

GetWellID () vektörlenmemişse, Jonathan'ın byknguyen önerisini kullanma önerisi applyişe yarayacaktır.

Aksi takdirde, gerçekten kullanmak foristiyorsanız, böyle bir şey yapabilirsiniz:

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

Bu foreachsözdizimine aşina olmanızı gerektirse de paketi de kullanmayı deneyebilirsiniz . İşte basit bir örnek:

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

Son seçenek, plyrpaketin dışında bir işlev kullanmaktır ; bu durumda, kongre uygula işlevine çok benzer olacaktır.

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

Temel R ile bunu yapmanın en iyi yolu olduğunu düşünüyorum:

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

for( i in 1:nrow(df))-Uygulamaya göre avantajı dfboş ve başınız belaya girmez nrow(df)=0.

Bu basit yardımcı program işlevini kullanıyorum:

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

Veya daha hızlı, daha az net bir form:

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

Bu işlev bir data.frame öğesini bir satır listesine böler. Sonra bu liste üzerinden normal bir "for" yapabilirsiniz:

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

Sorudaki kodunuz minimum bir değişiklikle çalışacaktır:

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)
}

Vektörleştirilmemiş seçeneklerin zaman performansını merak ettim. Bu amaçla, knguyen tarafından tanımlanan f fonksiyonunu kullandım.

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)
}

ve örneğindeki gibi bir veri çerçevesi:

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 )

Cat () yaklaşımını bir write.table () ile karşılaştırmak için iki vektörize fonksiyon (diğerlerinden daha hızlı) dahil ettim.

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)

Ortaya çıkan görüntü, uygulamanın vektörleştirilmemiş bir sürüm için en iyi performansı verdiğini gösterirken, write.table (), cat () 'dan daha iyi performans gösterir.

Bunun by_rowiçin paketteki işlevi kullanabilirsiniz purrrlyr:

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)

Varsayılan olarak, döndürülen değer df'de myfnyeni bir liste sütununa.out .

İstediğiniz tek çıktı bu ise, purrrlyr::by_row(df, myfn)$.out

Peki, diğer dillere R eşdeğeri istediğinden, bunu yapmaya çalıştım. R'de hangi tekniğin daha verimli olduğuna gerçekten bakmadım ama işe yarıyor gibi görünüyor.

> 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

Kategorik sütunlar için, gerekirse as.character () kullanarak tahmin edebileceğiniz bir Veri Çerçevesi getirecektir.