如何用R中的應用系列函數替換多個嵌套的for循環？

Question

我的數據集 (dat) 中有四個主要變量。

1. 主題ID
2. 組（可以是 Easy1、Easy2、Hard1、Hard2）
3. 對象（x、y、z、w）
4. 反應時間

對於變量 1、2 和 3 的每個組合，我想更改反應時間，以便將高於第三四分位數 + 1.5IQR 的所有值設置為第三四分位數 + 1.5 IQR 的值。

TUK <- function (a,b,c) {
....
}

基本上，for循環邏輯是：

for (i in dat$SubjectID):
for (j in dat$Group):
for (k in dat$Object) :
TUK(i,j,k)

如何使用 apply 函數系列來做到這一點？

謝謝！

添加可重現的示例：

SubjectID <- c(3772113,3772468)
Group <- c("Easy","Hard")
Object <- c("A","B")
dat <- data.frame(expand.grid(SubjectID,Group,Object))
dat$RT <- rnorm(8,1500,700)
colnames(dat) <- c("SubjectID","Group","Object","RT")

TUK <- function (SUBJ,GROUP,OBJECT){
  p <- dat[dat$SubjectID==SUBJ & dat$Group== GROUP & dat$Object==OBJECT, "RT"]

  p[p$RT< 1000 | p$RT> 2000,] <- NA

  dat[dat$SubjectID==SUBJ & dat$Group== GROUP & dat$Object==OBJECT, "RT"]<<- p
}

Answer 1

您的問題的很大一部分是您的TUK功能很糟糕。 以下是一些原因

• 問題：這取決於在全局環境中有一個名為dat的數據框。 更改數據的名稱，它會中斷。

  • 解決方案：您應該傳入所有需要的參數。 在這種情況下， dat應該是一個參數。

• 問題：應該避免全局賦值<<- 。 在某些高級情況下它是必要的（例如，有時在 Shiny 應用程序中），但通常它會使函數以非常非 R 的方式運行。

  • 解決方案：簡單地return()一個值並像任何其他普通 R 函數一樣分配它。

• 問題：它過於復雜。 您通過傳入 SUBJ、GROUP 和 OBJECT，但僅使用它們來子集您嘗試在函數內部執行的dplyr或data.table或base::ave擅長的“分組”位。 就好像您試圖以某種方式構建您的函數，以便 if 只能用於嵌入這個特定的for循環中。

  • 解決方案：函數應該是簡單的構建塊。 使其成為僅單個向量的函數。 它會更干凈，更容易調試。 當它在單個向量上工作時，使用dplyr或data.table或ave （甚至是for循環）對其進行拆分-應用-組合。 這也使您的功能更普遍有用，而不是固定在這種特殊情況下。

---

考慮到上述情況，這里嘗試重寫：

TUK2 <- function (RT){
  RT[RT < 1000 | RT > 2000] <- NA
  return(RT)
}

看看有多簡單！ 現在，如果我們想將此函數應用於數據中的每個 GROUP:SUBJ:OBJECT 分組，並用結果替換 RT 列，我們使用dplyr執行此dplyr ：

library(dplyr)
group_by(dat, Group, SubjectID, Object) %>%
    mutate(new_RT = TUK2(RT))

dplyr對數據進行分組，數據的拆分，將簡單的功能應用於每個部分，然后為我們將它們全部組合在一起。

---

現在，在你的問題中，你說

對於變量 1、2 和 3 的每個組合，我想更改反應時間，以便將高於第三四分位數 + 1.5IQR 的所有值設置為第三四分位數 + 1.5 IQR 的值。

這聽起來不像你的函數所做的。 僅基於此描述，我會將其編碼為

group_by(dat, Group, SubjectID, Object) %>%
    mutate(new_RT = pmin(RT, quantile(RT, probs = 0.75) + 1.5 * IQR(RT)))

pmin用於並行最小值，它是一種采用兩個向量中較小者的向量化方式。 嘗試，例如， pmin(1:10, 7) ，看看它做了什么。

在這兩個例子中， dplyr數據框當然不會被保存，除非你用dat <- group_by(dat, ...)等重新分配它。這是函數式編程的做事方式 -沒有全局分配.

---

附加說明：使用重寫的函數，您仍然可以使用循環而不是dplyr 。 我不知道你為什么會 - 當然dplyr語法更好 - 但我只是想說明小的構建塊函數通常很有用，它不是dplyr原始函數那樣“烘焙” dplyr在”特定的 for 循環中。

for (sub %in% unique(dat$SubjectID)) {
  for (obj %in% unique(dat$Object)) {
    for (grp %in% unique(dat$Group)) {
      dat[dat$SubjectID == sub & 
            dat$Object == obj & 
            dat$Group == grp, "RT"] <-
        TUK2(
          dat[dat$SubjectID == sub & 
                dat$Object == obj & 
                dat$Group == grp, "RT"]
        )
    }
  }
}