R：应用与 do.call答案

【问题标题】：R: apply vs do.callR：应用与 do.call
【发布时间】：2018-11-15 22:35:12
【问题描述】：

我刚刚阅读了@David Arenburg 的个人资料，发现了一堆关于如何培养良好的 R 编程技能/习惯的有用技巧，其中一个让我印象深刻。我一直认为 R 中的应用函数是处理数据帧的基石，但他写道：

如果您正在使用 data.frames，请忘记有一个名为的函数应用 - 无论你做什么 - 不要使用它。尤其是边距为 1 （这个函数唯一好的用例是对矩阵进行操作列 - 边距为 2)。

一些不错的选择：?do.call、?pmax/pmin、?max.col、 ?rowSums/rowMeans/etc，很棒的 matrixStats 包（对于矩阵）、?rowsum 等等

谁能给我解释一下？为什么 apply 函数不受欢迎？

【问题讨论】：

我实际上是在专门谈论 apply- 而不是整个 *apply 家族。 apply 的主要问题是它将整个数据转换为一个矩阵，这会弄乱数据（因为 matrix 不能像数据框那样存储不同的类），因此会产生意想不到的结果。因此，在对列进行操作时，最好使用*apply 系列的其余部分，例如lapply 或sapply。另一方面，因为 R 是向量化语言 apply，边距为 1 将非常慢（不管 matrix 问题），因此我提出使用向量化替代方案。
啊哈，我明白了，非常感谢您解决这个问题！
另外，this is 是关于 *apply 家族的有用读物。
太棒了！再次感谢:)

标签： r apply do.call

【解决方案1】：

apply(DF, 1, f) 将DF 的每一行转换为一个向量，然后将该向量传递给 f。如果DF 是字符串和数字的混合，则该行将在传递给f 之前转换为字符向量，这样，例如apply(iris, 1, function(x) sum(x[-5])) 将不起作用，即使iris[i, -5] 行包含所有数字元素。该行被转换为字符串，您不能对字符串求和。另一方面，apply(iris[-5], 1, sum) 的工作方式与 rowSums(iris[-5]) 相同。
如果f 产生一个向量，则结果是一个矩阵而不是另一个数据框；此外，结果是您可能期望的转置。这个
```
apply(BOD, 1, identity)
```
返回以下内容而不是返回BOD：
```
       [,1] [,2] [,3] [,4] [,5] [,6]
Time    1.0  2.0    3    4  5.0  7.0
demand  8.3 10.3   19   16 15.6 19.8
```
很多年前，Hadley Wickham 做了postiapply，这是幂等的，因为iapply(mat, 1, identity) 返回mat，而不是t(mat)，其中mat 是一个矩阵。最近用他的 plyr 包可以写：
```
library(plyr)
ddplyr(BOD, 1, identity)
```
并将BOD 作为数据框返回。

另一方面，apply(BOD, 1, sum) 将给出与rowSums(BOD) 相同的结果，apply(BOD, 1, f) 可能对函数f 有用，f 为其生成标量并且没有对应物，例如@987654346 @/rowSums 情况。此外，如果f 产生一个向量并且您不介意矩阵结果，您可以自己转置apply 的输出，虽然它很丑，但它会起作用。

【讨论】：

【解决方案2】：

我认为作者的意思是，您应该使用预构建/矢量化函数（因为它更容易），如果可以并且避免应用（因为原则上它是一个 for 循环并且需要更长的时间）：

library(microbenchmark)

d <- data.frame(a = rnorm(10, 10, 1),
                b = rnorm(10, 200, 1))

# bad - loop
microbenchmark(apply(d, 1, function(x) if (x[1] < x[2]) x[1] else x[2]))

# good - vectorized but same result
microbenchmark(pmin(d[[1]], d[[2]])) # use double brackets!

# edited:
# -------
# bad: lapply
microbenchmark(data.frame(lapply(d, round, 1)))

# good: do.call faster than lapply
microbenchmark(do.call("round", list(d, digits = 1)))

# --------------
# Unit: microseconds
#                                  expr     min    lq     mean  median      uq     max neval
# do.call("round", list(d, digits = 1)) 104.422 107.1 148.3419 134.767 184.524 332.009   100
#                            expr     min       lq     mean  median      uq      max neval
# data.frame(lapply(d, round, 1)) 235.619 243.2055 298.5042 252.353 276.004 1550.265   100
#
#                                  expr    min      lq    mean median       uq     max neval
# do.call("round", list(d, digits = 1)) 96.389 97.5055 113.075 98.175 105.5375 730.954   100
#                            expr     min       lq     mean  median      uq      max neval
# data.frame(lapply(d, round, 1)) 235.619 243.2055 298.5042 252.353 276.004 1550.265   100

【讨论】：

所以所有应用函数本质上都是循环？ lapply、sapply 等？
如何回答do.call 部分？
已编辑。（.. 以及关于 for 循环；根据 burns-stat.com/pages/Tutor/R_inferno.pdf 使用 apply 是循环隐藏）
您可以将microbenchmark 的输出添加到您的答案中吗？
@Erosennin - 是的，应用家庭是循环。考虑阅读此question by @DavidArunberg。

【解决方案3】：

这与 R 如何存储矩阵和数据帧有关*。你可能知道，一个data.frame是一个list的向量，即data.frame中的每一列都是一个向量。作为一种矢量化语言，最好对矢量进行操作，这就是不赞成使用边距为 2 的 apply 的原因：这样做您将不会处理矢量，而是会跨越每个矢量上的不同矢量迭代。

据我所知，使用边距为 1 的 apply 与使用 do.call 没有太大区别。尽管后者可能允许更多的使用灵活性。

*此信息应位于manuals 中的某处。

【讨论】：