在R中数据框的每一行上应用一个函数

Question

我想对 R 中数据框的每一行应用一些函数。

该函数可以返回单行数据帧或什么都不返回（我猜'return（）'什么都不返回？）。

我想将此函数应用于给定数据帧的每一行，并获得结果数据帧（可能比原始数据帧更短，即行数更少）。

例如，如果原始数据框类似于：

id size name
1  100  dave
2  200  sarah
3  50   ben

我正在使用的函数获取数据帧中的一行（即单行数据帧），如果名称与“勇敢”押韵，则按原样返回，否则返回 null，那么结果应该是：

id size name
1  100  dave

这个例子实际上是指过滤一个数据框，我很想得到一个特定于这种任务的答案，也想得到一个更一般的情况，即使是辅助函数的结果（在单个row) 可以是具有单行的任意数据框。请注意，即使在过滤的情况下，我也想使用一些复杂的逻辑（不是像$size>100 这样简单的东西，而是由函数检查的更复杂的条件，比如boo(single_row_df)。

附： 到目前为止，在这些情况下我所做的是使用apply(df, MARGIN=1) 然后使用do.call(rbind ...) 但我认为当我的数据框只有一行时它会给我带来一些麻烦（我得到Error in do.call(rbind, filterd) : second argument must be a list）

更新

在斯蒂芬回复之后，我做了以下事情：

ranges.filter <- function(ranges,boo) {
    subset(x=ranges,subset=!any(boo[start:end]))
}

然后我用一些看起来像这样的范围数据框调用ranges.filter：

start end
100   200
250   400
698   1520
1988  2147
...

还有一些布尔向量

(TRUE,FALSE,TRUE,TRUE,TRUE,...)

我想从布尔向量中过滤掉任何包含 TRUE 值的范围。例如，如果布尔向量在100 .. 200 位置上的布尔向量为FALSE，则第一个范围100 .. 200 将留在数据框中。

这似乎可以完成工作，但我收到一条警告说numerical expression has 53 elements: only the first used。

Answer 1

听起来你想使用subset：

subset(orig.df,grepl("ave",name))

第二个参数的计算结果是一个逻辑表达式，用于确定保留哪些行。你可以让这个表达式使用任意多列的值，例如grepl("ave",name) & size>50

Answer 2

您可能必须使用lapply 而不是apply 来强制结果为列表。

> rhymesWithBrave <- function(x) substring(x,nchar(x)-2) =="ave"
> do.call(rbind,lapply(1:nrow(dfr),function(i,dfr)
+                      if(rhymesWithBrave(dfr[i,"name"])) dfr[i,] else NULL,
+                      dfr))
  id size name
1  1  100 dave

但在这种情况下，subset 会更合适：

> subset(dfr,rhymesWithBrave(name))
  id size name
1  1  100 dave

如果您想在返回结果之前执行额外的转换，您可以回到上面的lapply 方法：

> add100tosize <- function(x) within(x,size <- size+100)
> do.call(rbind,lapply(1:nrow(dfr),function(i,dfr)
+                      if(rhymesWithBrave(dfr[i,"name"])) add100tosize(dfr[i,])
+                      else NULL,dfr))
  id size name
1  1  200 dave

或者，在这个简单的例子中，将函数应用于subset的输出。

> add100tosize(subset(dfr,rhymesWithBrave(name)))
  id size name
1  1  200 dave

更新：

要选择不在开始和结束之间的行，您可以构造不同的函数（注意：布尔/逻辑向量求和结果时，TRUE 值转换为 1，FALSE 值转换为 0）

test <- function(x)
  rowSums(mapply(function(start,end,x) x >= start & x <= end,
                 start=c(100,250,698,1988),
                 end=c(200,400,1520,2147))) == 0

subset(dfr,test(size))

Answer 3

对于处理数据帧的更一般情况，例如，从 CRAN 获取 plyr 包并查看 ddply 函数。

install.packages(plyr)
library(plyr)
help(ddply)

做你想做的事，无需大量的摆弄。

例如...

> d
    x          y           z xx
1   1 0.68434946 0.643786918  8
2   2 0.64429292 0.231382912  5
3   3 0.15106083 0.307459540  3
4   4 0.65725669 0.553340712  5
5   5 0.02981373 0.736611949  4
6   6 0.83895251 0.845043443  4
7   7 0.22788855 0.606439470  4
8   8 0.88663285 0.048965094  9
9   9 0.44768780 0.009275935  9
10 10 0.23954606 0.356021488  4

我们要计算由“xx”定义的组内 x 的均值和标准差：

> ddply(d,"xx",function(r){data.frame(mean=mean(r$x),sd=sd(r$x))})
  xx mean        sd
1  3  3.0        NA
2  4  7.0 2.1602469
3  5  3.0 1.4142136
4  8  1.0        NA
5  9  8.5 0.7071068

它可以优雅地处理所有有时让您感到困惑的讨厌的边缘情况。