计算熵的向量化函数

Question

我正在编写一个函数来计算香农多样性指数。 我有广泛的数据，每个值的观察百分比作为单独的变量，每一行代表一个不同的站点。 根据数据集，我将有 2 到 7 个变量。 对于每一行，我想计算信息索引。

.

我有一个循环函数，但它很慢，我正在寻找帮助来矢量化它。 我也很高兴有一个 tidyverse 风格的解决方案。

我一直在考虑使用entropy包，但它似乎期望数据是长格式的，虽然我可以将数据扩展回来，但这似乎会不必要地慢。 我目前有 20k 个站点，每个站点有 100 到 1000 个观测值，这些观测值已经汇总到宽格式百分比分布中。 这个问题同样适用于长格式数据。

示例数据

# Wide data, between 2 and 7 columns recording the percent of observations with each value, example using 3
df <- data.frame(
  site = 1:3, 
  l1 = c(.33, .5, 0), 
  l2 = c(.33, .5, 0), 
  l3 = c(.33, 0, 1)
)

电流环功能

entropy <- function(df, vars) {

  entropy_calc <- function(df, i, vars) {
    sum <- 0
    for (j in vars) { 
      x <- df[i,j]
      if(x != 0) { # skip zeros
        sum <- sum + x * log(x)
      }
    }
    return(-sum)
  }

  entropy <- rep(NA, nrow(df))
  for(i in 1:nrow(df)) {
    entropy[i] <- entropy_calc(df, i, vars)
  }

  return(as.numeric(entropy))
}

df$entropy <- entropy(df, 2:4)

Answer 1

这可以很容易地向量化，因为所需的底层函数已经向量化了。 您不需要手动跳过零，因为log(0)返回-Inf并且0*log(0)返回NaN 。 您可以通过指定na.rm = TRUE在对单元格值求和时省略NaN 。

entropy <- function(p) rowSums(-(p * log(p)), na.rm = TRUE)

entropy(df[,2:4])

还可以查看vegan包中的diversity()函数，它基本上可以做到这一点，以及其他可能性。