R 将函数向量应用于数据帧

Question

我目前正在使用 cols 中的原始数字数据处理数据框。 每列包含一个参数的数据（例如基因 xyz 的基因表达数据），而每一行包含一个主题。 cols中的一些数据是正态分布的，而另一些则远非如此。 我对不同的转换使用带有边距 2 的 apply 运行 shapiro 测试，然后通过比较 shapiro.test()$p.value 选择合适的转换。 我将我的选择作为字符发送到一个向量，给我一个 NA、log10、sqrt 的向量，长度为 ncol(DataFrame)。 我现在想知道是否可以通过应用函数将向量应用于数据帧，或者是否需要 for 循环。 我该怎么做或者有更好的方法？ 我想我可以循环 if-else 语句，但必须有更有效的方法，因为我的代码已经很慢了。

谢谢大家！

更新：我尝试了下面的代码，但它给了我“文件错误（文件名，“r”）：无效的“描述”参数”

TransformedExampleDF <- apply(exampleDF, 2 , function(x) eval(parse(paste(transformationVector , "(" , x , ")" , sep = "" ))))

exampleDF <- as.data.frame(matrix(c(1,2,3,4,1,10,100,1000,0.1,0.2,0.3,0.4), ncol=3, nrow = 4))

transformationVector <- c(NA, "log10", NA)

Answer 1

所以你可以做这样的事情。 在下面的示例中，我func_list了四个随机函数，然后将其名称存储在列表func_list （注意：最后一个函数将数据转换为NA ；这是有意的）。

然后，我创建了另一个函数func_to_df() ，它接受data.frame和函数列表 ( func_list ) 作为输入，并在data.frame的相应列上应用（即使用get()执行）这些函数。 返回输出（在本例中，存储在data.frame my_df1 。

tl; dr：看看func_to_df()做了什么。 研究purrr包也可能是值得的（尽管这里没有使用它）。

#---------------------

#Example function 1
myaddtwo <- function(x){
  if(is.numeric(x)){
    x = x+2
  } else{
    warning("Input must be numeric!")
  }
  return(x)
  #Constraints such as the one shown above
  #can be added elsewhere to prevent
  #inappropriate action
}

#Example function 2
mymulttwo <- function(x){
  return(x*2)
}

#Example function 3
mysqrt <- function(x){
  return(sqrt(x))
}

#Example function 4
myna <- function(x){
  return(NA)
}

#---------------------

#Dummy data
my_df <- data.frame(
  matrix(sample(1:100, 40, replace = TRUE), 
         nrow = 10, ncol = 4), 
  stringsAsFactors = FALSE)

#User somehow ascertains that
#the following order of functions
#is the right one to be applied to the data.frame
my_func_list <- c("myaddtwo", "mymulttwo", "mysqrt", "myna")

#---------------------

#A function which applies
#the functions from func_list
#to the columns of df
func_to_df <- function(df, func_list){
  for(i in 1:length(func_list)){
    df[, i] <- get(func_list[i])(df[, i])
    #Alternative to get()
    #df[, i] <- eval(as.name(func_list[i]))(df[, i])
  }
  return(df)
}

#---------------------

#Execution

my_df1 <- func_to_df(my_df, my_func_list)

#---------------------

#Output
my_df
#    X1 X2 X3 X4
# 1   8 85  6 41
# 2  45  7  8 65
# 3  34 80 16 89
# 4  34 62  9 31
# 5  98 47 51 99
# 6  77 28 40 72
# 7  24  7 41 46
# 8  45 80 75 30
# 9  93 25 39 72
# 10 68 64 87 47

my_df1
#     X1  X2       X3 X4
# 1   10 170 2.449490 NA
# 2   47  14 2.828427 NA
# 3   36 160 4.000000 NA
# 4   36 124 3.000000 NA
# 5  100  94 7.141428 NA
# 6   79  56 6.324555 NA
# 7   26  14 6.403124 NA
# 8   47 160 8.660254 NA
# 9   95  50 6.244998 NA
# 10  70 128 9.327379 NA

#---------------------