对于 R 数据框中的每一行

Question

我有一个数据框，对于该数据框中的每一行，我必须进行一些复杂的查找并将一些数据附加到文件中。

dataFrame 包含从生物学研究中使用的 96 孔板中选择的孔的科学结果，所以我想做一些类似的事情：

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)
}

在我的程序世界中，我会做类似的事情：

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

什么是“R方式”来做到这一点？

Answer 1

您可以使用by()函数：

by(dataFrame, seq_len(nrow(dataFrame)), function(row) dostuff)

但是像这样直接遍历行很少是您想要的； 您应该尝试进行矢量化。 我可以问一下循环中的实际工作在做什么吗？

Answer 2

你可以试试这个，使用apply()函数

> 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')

Answer 3

首先，乔纳森关于矢量化的观点是正确的。 如果您的 getWellID() 函数是矢量化的，那么您可以跳过循环并只使用 cat 或 write.csv：

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

如果getWellID（）不向量化，然后使用乔纳森的建议， by或knguyen的建议的apply应该工作。

否则，如果你真的想使用for ，你可以这样做：

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

您也可以尝试使用foreach包，尽管它要求您熟悉该语法。 这是一个简单的例子：

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

最后一个选择是使用plyr包之外的函数，在这种情况下，约定将与 apply 函数非常相似。

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

Answer 4

我认为使用基本 R 做到这一点的最佳方法是：

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

与for( i in 1:nrow(df))相比的优势在于，如果df为空且nrow(df)=0 ，您不会遇到麻烦。

Answer 5

我使用这个简单的效用函数：

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

或者更快、更不清晰的形式：

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

这个函数只是将一个 data.frame 拆分为一个行列表。 然后你可以在这个列表上做一个正常的“for”：

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

问题中的代码只需稍加修改即可使用：

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)
}

Answer 6

我很好奇非矢量化选项的时间性能。 为此，我使用了 knguyen 定义的函数 f

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)
}

和他示例中的数据框：

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 )

我包含了两个向量化函数（肯定比其他函数更快），以便将 cat() 方法与 write.table() 方法进行比较...

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)

结果图像显示，apply 为非矢量化版本提供了最佳性能，而 write.table() 似乎优于 cat()。

Answer 7

您可以使用by_row功能从包装purrrlyr此：

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)

默认情况下，来自myfn的返回值被放入 df 中名为.out的新列表列中。

如果这是你想要的唯一输出，你可以写purrrlyr::by_row(df, myfn)$.out

Answer 8

好吧，既然你要求 R 相当于其他语言，我就尝试这样做。 虽然我还没有真正研究哪种技术在 R 中更有效，但似乎有效。

> 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

不过，对于分类列，它会为您获取一个数据框，如果需要，您可以使用 as.character() 对其进行类型转换。

Answer 9

你可以为一个列表对象做一些事情，

data("mtcars")
rownames(mtcars)
data <- list(mtcars ,mtcars, mtcars, mtcars);data

out1 <- NULL 
for(i in seq_along(data)) { 
  out1[[i]] <- data[[i]][rownames(data[[i]]) != "Volvo 142E", ] } 
out1

或者一个数据框，

data("mtcars")
df <- mtcars
out1 <- NULL 
for(i in 1:nrow(df)) {
  row <- rownames(df[i,])
  # do stuff with row
  out1 <- df[rownames(df) != "Volvo 142E",]
  
}
out1