在数据框上逐行应用函数，与列数无关

2 回答

• 6

  如果数据集不是很大（即数百万/数十亿行），我们可以使用 apply 和 MARGIN=1 循环遍历行，使用逻辑 vector 作为索引将它们的 names 子集，并将它们组合在一起 . 在单行中编码更容易 .

  df$Result <- apply(df, 1, FUN = function(x) paste(names(x)[x], collapse=" / "))
  

  ---

  但是，如果我们有一个大数据集，另一个选项是创建一个键/值对并通过匹配替换值，它比上述解决方案更快 .

  v1 <- do.call(paste, df)
  unname(setNames(c("A / B", "B", "A", NA), do.call(paste, 
            expand.grid(rep(list(c(TRUE, FALSE)), 2))))[v1])
  #[1] "A / B" "B"     NA
  

  ---

  或者我们可以使用算术运算来做到这一点

  c(NA, "A", "B", "A / B")[1 + df[,1] + 2 * df[,2]]
  #[1] "A / B" "B"     NA
  

  基准

  使用@ DavidArenburg的数据集并包含此处发布的两个解决方案（将'df'的列名更改为'A'和'B'）

  newPaste <- function(df) {
      v1 <- do.call(paste, df)
    unname(setNames(c("A / B", "B", "A", NA), do.call(paste, 
        expand.grid(rep(list(c(TRUE, FALSE)), 2))))[v1])
  }
  
  arith <- function(df){
       c(NA, "A", "B", "A / B")[1 + df[,1] + 2 * df[,2]]
  }
  
  microbenchmark::microbenchmark(Rowwise(df), Colwise(df), newPaste(df),arith(df))
  #Unit: milliseconds
  #        expr        min        lq      mean     median         uq       max neval
  #  Rowwise(df) 398.024791 453.68129 488.07312 481.051431 523.466771 688.36084   100
  #  Colwise(df)  25.361609  28.10300  34.20972  30.952365  35.885061  95.92575   100
  # newPaste(df)  65.777304  69.07432  82.08602  71.606890  82.232980 176.66516   100
  #   arith(df)   1.790622   1.88339   4.74913   2.027674   4.753279  58.50942   100
  

  回复于 2024-05-08T06:36:09+08:00
• 3

  我建议不要在 data.frame 上使用 apply （由于矩阵转换），特别是边距为1（R中的行操作很慢） . 相反，您可以非常轻松地在列上进行矢量化而无需矩阵转换，这是一个示例

  res <- rep(NA_character_, nrow(df))
  for(j in names(df)) res[df[[j]]] <- paste(res[df[[j]]], j, sep = " / ")
  sub("NA / ", "", res, fixed = TRUE)
  # [1] "A / B" "B"     NA
  

  ---

  以下是显示约X16改善的基准

  set.seed(123)
  N <- 1e5
  df <- as.data.frame(matrix(sample(c(TRUE, FALSE), N*2, replace = TRUE), ncol = 2))
  
  Rowwise <- function(df) apply(df, 1, FUN = function(x) paste(names(x)[x], collapse=" / "))
  
  Colwise <- function(df) {
    res <- rep(NA_character_, nrow(df));
    for(j in names(df)) res[df[[j]]] <- paste(res[df[[j]]], j, sep = " / ");
    sub("NA / ", "", res, fixed = TRUE)
  } 
  
  microbenchmark::microbenchmark(Rowwise(df), Colwise(df))
  # Unit: milliseconds
  #        expr       min        lq      mean    median        uq      max neval cld
  # Rowwise(df) 458.54526 502.43496 545.47028 548.42042 584.18000 669.6161   100   b
  # Colwise(df)  27.11235  27.83873  34.65596  29.05341  32.83664 137.7905   100  a
  

  回复于 2024-05-08T06:36:09+08:00