使用 mapply() 进行列行比较

Question

我正在处理两个不同的大型数据集并尝试利用mapply() 来使迭代函数正常工作。

目标是从 Data_1 中逐列获取每个数据点，并将其与 Data_2 列中的两个数据点进行比较。因此，Data_1[1,1] 将仅与 Data_2[1,1] 和 Data_2[2,1] 进行比较。更清楚地说，Data_1 中的 data1 列只会与 Data_2 中的 dataA 元素进行比较，因此没有交叉列比较。

数据_1：NxM

  data1       data2       data3      data4
-0.710003   -0.714271   -0.709946   -0.713645
-0.710458   -0.715011   -0.710117   -0.714157
-0.71071    -0.714048   -0.710235   -0.713515
-0.710255   -0.713991   -0.709722   -0.713972

Data_2：PxQ

  dataA       dataB       dataC      dataD
-0.71097    -0.714059   -0.70928    -0.714059
-0.710343   -0.714576   -0.709338   -0.713644

我之前写了一个for()while()基于循环的算法，但是运行时间与原始数据一样多。然后，我转向基于apply() 的逻辑，但在我调用的函数中仍然有循环，所以这并没有加快代码速度。基于my earlier question，我正在寻找更好的方法来使用mapply()。

我无法想象的部分是列到行的比较以及mapply() 将如何递归地浏览它。如何使用mapply() 或lapply() 有效地完成这项工作？

任何建议都会有所帮助，谢谢。

Answer 1

考虑一个嵌套的 apply 家庭调用：

• mapply() - 外部：Data_1 和 Data_2 的对应列之间的成对迭代
• sapply - 内部：Data_1列中每个值的向量迭代，用于元素比较

下面检查每个 Data_1 值是否介于 Data_2 的每一列的两个值之间：

数据

txt = '  data1       data2       data3      data4
-0.710003   -0.714271   -0.709946   -0.713645
-0.710458   -0.715011   -0.710117   -0.714157
-0.71071    -0.714048   -0.710235   -0.713515
-0.710255   -0.713991   -0.709722   -0.713972'

Data_1 <- read.table(text=txt, header=TRUE)

txt = ' dataA       dataB       dataC      dataD
-0.71097    -0.714059   -0.70928    -0.714059
-0.710343   -0.714576   -0.709338   -0.713644'

Data_2 <- read.table(text=txt, header=TRUE)

代码

check_inbetween <- function(x,y){
  sapply(x, function(i) (i > y[1] & i < y[2]))
}

inbetween_matrix <- mapply(check_inbetween, Data_1, Data_2)

inbetween_matrix
#      data1 data2 data3 data4
# [1,] FALSE FALSE FALSE  TRUE
# [2,]  TRUE FALSE FALSE FALSE
# [3,]  TRUE FALSE FALSE FALSE
# [4,] FALSE FALSE FALSE  TRUE

Answer 2

这是基于data.table 的一种解决方案，但如果您使用的是data.frame 或matrix，它应该很容易适应。要达到您想要的效果，您必须使用一个lapply 而不是另一个lapply。较高的一个迭代列，它调用另一个迭代行。

library(data.table)

# it gets all elements of column 'j' to do diff computation
get_column_diff <- function(dt_1, dt_2, j){

        get_point_diff <- function(i){
                # it should return a vector with all differences 
                # in comparison of the point (i,j)
                unlist(dt_1[i, ..j]) - unlist(dt_2[, ..j])
        }


        i_rows <- 1:nrow(dt_1)
        lapply(X=i_rows, FUN=get_point_diff)

}

j_cols <- 1:ncol(Data_1)
lapply(FUN=get_column_diff, dt_1=Data_1, dt_2=Data_2, X=j_cols)

函数返回一个列表列表，列表中的每个元素都是列结果，其元素是带有行结果的列表。

关于速度增益，如果没有基准比较，我不能说它会有多快，但可能它会更快任何循环。