lapply 和 for 循环通过 R 中的 data.frames 列表运行函数答案

【问题标题】：lapply and for loop to run a function through a list of data.frames in Rlapply 和 for 循环通过 R 中的 data.frames 列表运行函数
【发布时间】：2019-10-22 01:02:00
【问题描述】：

我有一个 data.frame 列表，我想通过每个 data.frame 运行cor.test。 data.frame 有 8 列，我想针对第 8 列的前 7 列中的每一列运行 cor.test。

我首先设置了存储数据的列表

estimates = list()
pvalues = list()

然后这里是循环结合lapply

for (i in 1:7){
  corr <- lapply(datalist, function(x) {cor.test(x[,i], x[,8], alternative="two-sided", method="spearman", exact=FALSE, continuity=TRUE)}) 
  estimates= corr$estimate
  pvalues= corr$p.value
}

它运行时没有任何错误，但estimates 显示NULL

其中哪一部分出了问题？我曾经在cor.test 上运行for 循环，或者与lapply 一起运行，从不将它们放在一起。我想知道是否有解决方案或替代方案。谢谢。

【问题讨论】：

自我推销如果您不介意，我已经写了get_var_corr 可以做到这一点。目前在开发者版本中可用manymodelr 可用here。
我想您在 cor.test 参数中的意思是 alternative 而不是 alterantive。此外，您可能希望增加您的列表：estimates[[i]]
帮助（参见 ??cor.test）还提到“two.lateral”作为参数。
@cbo 我没看到alterantive，是alternative。我不能对list 使用增量，因为那里有 ~500 个data.frame，我已经在for loop 中使用了for (i in 1:7)。
我的错，我复制了一个答案。 @Ronak Shah 解决方案是最好的方法。只是为了说明我的观点：for循环中的i可以更改为j，然后递增。结果（对于 lapply， lapply 更快）将与 lapply 相同：在您的情况下，2 个列表包含 500 个元素。 :)

标签： r list dataframe for-loop lapply

【解决方案1】：

我们可以使用sapply，在mtcars 上显示一个示例，其中cor.test 是针对第一列对所有列执行的。

lst <- list(mtcars, mtcars) 

lapply(lst, function(x) t(sapply(x[-8], function(y) {
   val <- cor.test(y, x[[8]], alternative ="two.sided", 
            method="spearman", exact=FALSE, continuity=TRUE)
          c(val$estimate, pval = val$p.value)
})))

[[1]]
#            rho         pval
#mpg   0.7065968 6.176953e-06
#cyl  -0.8137890 1.520674e-08
#disp -0.7236643 2.906504e-06
#hp   -0.7515934 7.247490e-07
#drat  0.4474575 1.021422e-02
#wt   -0.5870162 4.163577e-04
#qsec  0.7915715 6.843882e-08
#am    0.1683451 3.566025e-01
#gear  0.2826617 1.168159e-01
#carb -0.6336948 9.977275e-05

#[[2]]
#            rho         pval
#mpg   0.7065968 6.176953e-06
#cyl  -0.8137890 1.520674e-08
#.....

这将返回您的两列矩阵列表，分别为 estimate 和 p.value。

【讨论】：

问题在于mtcars 是data.frame 而不是list 的data.frame。所以它对我的问题并没有真正的帮助..
@Molly_K 更新了答案。这是你的意思吗？
为什么我之前没有想到这一点。两个功能！优秀！谢谢！

【解决方案2】：

免责声明：此答案使用我也写的manymodelr 的开发者版本。

编辑：您可以使用Map 或lapply 将其映射到数据框列表，例如：

lst <- list(mtcars, mtcars) #Line copied and pasted from @Ronak Shah's answer
Map(function(x) manymodelr::get_var_corr(x, "mpg",get_all = TRUE,
                         alternative="two.sided",
                         method="spearman",
                         continuity=TRUE,exact=F),lst)

对于单个data.frame 对象，我们可以使用get_var_corr：

manymodelr::get_var_corr(mtcars, "mpg",get_all = TRUE,
                         alternative="two.sided",
                          method="spearman",
                          continuity=TRUE,exact=FALSE) 
   #    Comparison_Var Other_Var      p.value Correlation
   # 1             mpg       cyl 4.962301e-13  -0.9108013
   # 2             mpg      disp 6.731078e-13  -0.9088824
   # 3             mpg        hp 5.330559e-12  -0.8946646
   # 4             mpg      drat 5.369227e-05   0.6514555
   # 5             mpg        wt 1.553261e-11  -0.8864220
   # 6             mpg      qsec 7.042244e-03   0.4669358
   # 7             mpg        vs 6.176953e-06   0.7065968
   # 8             mpg        am 8.139885e-04   0.5620057
   # 9             mpg      gear 1.325942e-03   0.5427816
   # 10            mpg      carb 4.385340e-05  -0.6574976

【讨论】：

感谢您的建议，我在安装软件包时确实遇到了问题，所以我目前没有对其进行测试。我使用了devtools 功能install_github。我相信只是一些库没有为manymodelr更新
抱歉，您在安装软件包时遇到问题，您可以在 GitHub 上提出问题，让我知道您遇到的问题。它确实依赖于几个包，尽管您可以按照提示跳过更新其中的许多包。无论如何，请随时使用 Ronak 的答案来节省时间。

【解决方案3】：

purrr 有一些方便的功能可能会使这个操作更简单一些（尽管这是否实际上比 Map/lapply 方式更简单还有待商榷）。使用 Ronak 的示例列表lst：

library(purrr)

lst <- list(mtcars, mtcars) 

map2(map(lst, ~.[-8]), map(lst, 8), ~
       map(.x, cor.test, y = .y, 
            alternative = "two.sided", 
            method = "spearman", 
            exact = FALSE, 
            continuity = TRUE) %>% 
       map_dfr(extract, c('estimate', 'p.value'), .id = 'var'))

# [[1]]
# # A tibble: 10 x 3
#    var   estimate      p.value
#    <chr>    <dbl>        <dbl>
#  1 mpg      0.707 0.00000618  
#  2 cyl     -0.814 0.0000000152
#  3 disp    -0.724 0.00000291  
#  4 hp      -0.752 0.000000725 
#  5 drat     0.447 0.0102      
#  6 wt      -0.587 0.000416    
#  7 qsec     0.792 0.0000000684
#  8 am       0.168 0.357       
#  9 gear     0.283 0.117       
# 10 carb    -0.634 0.0000998   
# 
# [[2]]
# # A tibble: 10 x 3
#    var   estimate      p.value
#    <chr>    <dbl>        <dbl>
#  1 mpg      0.707 0.00000618  
#  2 cyl     -0.814 0.0000000152
#  3 disp    -0.724 0.00000291  
#  4 hp      -0.752 0.000000725 
#  5 drat     0.447 0.0102      
#  6 wt      -0.587 0.000416    
#  7 qsec     0.792 0.0000000684
#  8 am       0.168 0.357       
#  9 gear     0.283 0.117       
# 10 carb    -0.634 0.0000998

【讨论】：