[英]Using apply family and multiple functions on lists in R
在這個問題的答案后面有一個問題,在邊列表R中匹配頂點屬性
我的解決方案是使用for循環,但是我們應該盡可能嘗試優化(向量化)。
我想了解的是如何將帖子中提出的解決方案矢量化。
我的解決方案是
for(i in 1:length(graph_list)){
graph_list[[i]]=set_vertex_attr(graph_list[[i]],"gender", value=attribute_df$gender[match(V(graph_list[[i]])$name, attribute_df$names)])
}
理想情況下,我們可以使用lapply
將其向量化,但是在構思如何做到這一點時遇到了一些麻煩。 這就是我所擁有的
graph_lists_new=lapply(graph_list, set_vertex_attr, value=attribute_df$gender[match(V(??????????)$name, attribute_df$names)]))
我不清楚的是我將在??????
部分中放置什么? 。 V()
函數內部的東西應該是列表中的每個項目,但是我沒有得到的是當我使用lapply
時要放在里面的lapply
。
所有數據都可以在我發布的鏈接中找到,但無論如何這里都是數據
attribute_df<- structure(list(names = structure(c(6L, 7L, 5L, 2L, 1L, 8L, 3L,
4L), .Label = c("Andy", "Angela", "Eric", "Jamie", "Jeff", "Jim",
"Pam", "Tim"), class = "factor"), gender = structure(c(3L, 2L,
3L, 2L, 3L, 1L, 1L, 2L), .Label = c("", "F", "M"), class = "factor"),
happiness = c(8, 9, 4.5, 5.7, 5, 6, 7, 8)), class = "data.frame", row.names = c(NA,
-8L))
edgelist<-list(structure(list(nominator1 = structure(c(3L, 4L, 1L, 2L), .Label = c("Angela",
"Jeff", "Jim", "Pam"), class = "factor"), nominee1 = structure(c(1L,
2L, 3L, 2L), .Label = c("Andy", "Angela", "Jeff"), class = "factor")), class = "data.frame", row.names = c(NA,
-4L)), structure(list(nominator2 = structure(c(4L, 1L, 2L, 3L
), .Label = c("Eric", "Jamie", "Oscar", "Tim"), class = "factor"),
nominee2 = structure(c(1L, 3L, 2L, 3L), .Label = c("Eric",
"Oscar", "Tim"), class = "factor")), class = "data.frame", row.names = c(NA,
-4L)))
graph_list<- lapply(edgelist, graph_from_data_frame)
由於您需要在調用中多次使用graph_list[[i]]
,因此要使用lapply
您需要編寫一個自定義函數,例如此匿名函數。 (這是相同的代碼,你的循環,我只是把它包在function(x)
和替換的所有實例graph_list[[i]]
與x
)。
graph_list = lapply(graph_list, function(x)
set_vertex_attr(x, "gender", value = attribute_df$gender[match(V(x)$name, attribute_df$names)])
)
(請注意,我沒有對此進行測試,但是除非輸入錯誤,否則它應該可以工作。)
lapply
不是矢量化-而是“循環隱藏”。 在這種情況下,我認為您的for
循環比lapply
更好。 特別是由於您正在修改現有對象,因此簡單的for
循環可能比lapply
解決方案更有效,並且更具可讀性。
當我們談論矢量化以提高效率時,我們幾乎總是指原子矢量,而不是list
。 (畢竟,它是矢量化 ,而不是列表化 。)使用lapply
和相關功能( sapply
, vapply
, Map
,大多數purrr
軟件包)的原因不是計算機效率, 可讀性和人工效率。
假設您有一個數據幀列表, my_list = list(iris, mtcars, CO2)
。 如果要獲取列表中每個數據幀的行數並將其存儲在變量中,我們可以使用sapply
或for
循環:
# easy to write, easy to read
rows_apply = sapply(my_list, nrow)
# annoying to read and write
rows_for = integer(length(my_list))
for (i in seq_along(my_list)) rows_for[i] = nrow(my_list[[i]])
但是,您的任務越復雜,與此類替代方案相比, for
循環的可讀性就越高。 在您的情況下,我更喜歡for
循環。
有關此內容的更多閱讀,請參見舊問題。 是否還使用句法糖? 。 由於這些問題的答案寫,R已經升級到包括剛剛在即時編譯器,進一步加快其for
相回路申請。 在近10年歷史的答案在那里,你會發現有時 *apply
比稍快for
循環。 從JIT編譯器開始,我想您會發現相反的情況: 大多數情況下, for
循環比*apply
稍快。
但是在這兩種情況下,除非您在for / apply內部做的事情絕對微不足道 ,否則您在for / apply內部所做的任何事情都將主導時間 。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.