Question

我想将一个函数应用于数据帧的子集，该子集源自一些变量分组后的初始数据帧。因此，我正在寻找一个等价的包装器apply或类似物，将整个数据帧作为输入并输出矢量。这是因为手头的函数需要来自不同位置的行和列的条目，并且不能简化为仅使用行和列，因此具有lapply或apply(df, 1(2),...)

让我们考虑下面的例子：

iris   <- data.table(iris)

my.function <- function(sub.data){
v <- c(NA)
    for(j in 2:dim(sub.data)[1]){
        if(sub.data[j,1, with = FALSE] > sub.data[j-1,2, with = FALSE]+2){
            v[j] <- "ok"
        } else {
            v[j] <- "not ok"    
        }
    }
    return(v)
}

执行my.function(iris)正常工作，但假设我只想对具有相同物种的组应用该功能。因此，在data.table语法中，这应该如下所示：

results <- iris[,
                wrapper(.SD, my.function),
                by = Species
                ]

其中wrapper是我要查找的环境，类型为lapply或类似。同样，也可以使用包dplyr，但我不知道相应的语法是什么：我试过了

results <- iris %>%
                group_by(Species) %>%
                     summarise(results = my.function(iris))

但这似乎没有产生正确的结果，因为它仍然针对每个物种的整个数据集运行，而不是分成子集。

Answer 1

您似乎不需要wrapper。只需在.SD上运行您的功能就可以满足您的需求。

library(data.table)
#your function works with a data.table
#by below will create smaller data tables on which you can directly
#run my.function on
iris[, my.function(.SD), by=Species]

输出：

       Species     V1
  1:    setosa     NA
  2:    setosa not ok
  3:    setosa not ok
  4:    setosa not ok
  5:    setosa not ok
 ---                 
146: virginica     ok
147: virginica     ok
148: virginica     ok
149: virginica     ok
150: virginica     ok

Answer 2

这里的目标是不使用包吗？

输出向量的长度是否与data.frame的行数相同？如果是，请尝试ave我们使用了一个测试my.function，它返回行数乘以其输入数据帧的列数：

my.function <- function(x) prod(dim(x)) # test function
ave(1:nrow(iris), iris$Species, FUN = function(ix) my.function(iris[ix, ]))
##  [1] 250 250 250 250 250 250 250 250 ...

如果my.function返回与输入行数相同的向量，则上述方法也有效。

如果您只想在这种情况下使用长度为3的向量：

tapply(1:nrow(iris), iris$Species, function(ix) my.function(iris[ix, ]))
## setosa versicolor  virginica 
##    250        250        250

或by：

c(by(iris, iris$Species, my.function))
## setosa versicolor  virginica 
##    250        250        250

或sapply/split：

sapply(split(iris, iris$Species), my.function)
## setosa versicolor  virginica 
##    250        250        250

将函数应用于按组分组的数据框

2 个答案: