For循环改变多列

【问题标题】：For loop to mutate multiple columnsFor循环改变多列
【发布时间】：2021-06-29 06:47:43
【问题描述】：

我有一个 tibble songs，它太大了，无法在这里分享。另外，没关系；该问题适用于任何只有 dbl 值的小标题。

我的想法是我之前选择了一行。它可以是其中任何一个，而无需任何先前的知识。我做的第一件事就是过滤掉它：

songs2 <- songs %>%
  anti_join(choice)

这行得通。

顺便说一句，choice 有一行。

现在，我创建了第二个 tibble（第三个，但在本文中是第二个），名为 dist，它只有 dbl 值（因此与 choice 共享列）。我想从dist 中的每一行中减去choice 中的值。

我试着写这个：

for (i in seq_along(distUseful)) {
  dist <- dist %>%
    mutate_(distUseful[i] = (.data[[i]] - choice[[i]]))
}

但它不起作用：

> for (i in seq_along(distUseful)) {
+   dist <- dist %>%
+     mutate_(distUseful[i] = (.data[[i]] - choice[[i]]))
Error: unexpected '=' in:
"  dist <- dist %>%
    mutate_(distUseful[i] ="
> }
Error: unexpected '}' in "}"

编辑：这是 songs2 中的前 10 行，按照 cmets 的要求。

structure(list(acousticness = c(0.991, 0.643, 0.993, 0.000173, 
0.295, 0.996, 0.992, 0.996, 0.996, 0.00682), artists = c("['Mamie Smith']", 
"[\"Screamin' Jay Hawkins\"]", "['Mamie Smith']", "['Oscar Velazquez']", 
"['Mixe']", "['Mamie Smith & Her Jazz Hounds']", "['Mamie Smith']", 
"['Mamie Smith & Her Jazz Hounds']", "['Francisco Canaro']", 
"['Meetya']"), danceability = c(0.598, 0.852, 0.647, 0.73, 0.704, 
0.424, 0.782, 0.474, 0.469, 0.571), duration_ms = c(168333, 150200, 
163827, 422087, 165224, 198627, 195200, 186173, 146840, 476304
), energy = c(0.224, 0.517, 0.186, 0.798, 0.707, 0.245, 0.0573, 
0.239, 0.238, 0.753), explicit = c(FALSE, FALSE, FALSE, FALSE, 
TRUE, FALSE, FALSE, FALSE, FALSE, FALSE), id = c("0cS0A1fUEUd1EW3FcF8AEI", 
"0hbkKFIJm7Z05H8Zl9w30f", "11m7laMUgmOKqI3oYzuhne", "19Lc5SfJJ5O1oaxY0fpwfh", 
"2hJjbsLCytGsnAHfdsLejp", "3HnrHGLE9u2MjHtdobfWl9", "5DlCyqLyX2AOVDTjjkDZ8x", 
"02FzJbHtqElixxCmrpSCUa", "02i59gYdjlhBmbbWhf8YuK", "06NUxS2XL3efRh0bloxkHm"
), instrumentalness = c(0.000522, 0.0264, 1.76e-05, 0.801, 0.000246, 
0.799, 1.61e-06, 0.186, 0.96, 0.873), key = c(5, 5, 0, 2, 10, 
5, 5, 9, 8, 8), liveness = c(0.379, 0.0809, 0.519, 0.128, 0.402, 
0.235, 0.176, 0.195, 0.149, 0.092), loudness = c(-12.628, -7.261, 
-12.098, -7.311, -6.036, -11.47, -12.453, -9.712, -18.717, -6.943
), mode = c(0, 0, 1, 1, 0, 1, 1, 1, 1, 1), name = c("Keep A Song In Your Soul", 
"I Put A Spell On You", "Golfing Papa", "True House Music - Xavier Santos & Carlos Gomix Remix", 
"Xuniverxe", "Crazy Blues - 78rpm Version", "Don't You Advertise Your Man", 
"Arkansas Blues", "La Chacarera - Remasterizado", "Broken Puppet - Original Mix"
), popularity = c(12, 7, 4, 17, 2, 9, 5, 0, 0, 0), release_date = c("1920", 
"1920-01-05", "1920", "1920-01-01", "1920-10-01", "1920", "1920", 
"1920", "1920-07-08", "1920-01-01"), speechiness = c(0.0936, 
0.0534, 0.174, 0.0425, 0.0768, 0.0397, 0.0592, 0.0289, 0.0741, 
0.0446), tempo = c(149.976, 86.889, 97.6, 127.997, 122.076, 103.87, 
85.652, 78.784, 130.06, 126.993), valence = c(0.634, 0.95, 0.689, 
0.0422, 0.299, 0.477, 0.487, 0.366, 0.621, 0.119), year = c(1920, 
1920, 1920, 1920, 1920, 1920, 1920, 1920, 1920, 1920)), row.names = c(NA, 
-10L), class = c("tbl_df", "tbl", "data.frame"))

这是choice：

structure(list(acousticness = 0.511, danceability = 0.403, duration_ms = 117395, 
    instrumentalness = 0.896, liveness = 0.108, loudness = -8.126, 
    popularity = 65, speechiness = 0.0514, tempo = 135.047, valence = 0.192), row.names = c(NA, 
-1L), class = c("tbl_df", "tbl", "data.frame"))

最后：

distUseful <- c("acousticness", "danceability", "duration_ms", "duration_ms", "instrumentalness", "liveness", "loudness", "popularity", "speechiness", "tempo", "valence")

编辑 2：只是事后的想法：如果您采用我之前引用的循环并查看它在单次迭代中的工作方式（您选择变量），它就可以工作。事实上，问题在于第一部分，distUseful[i] =，根据错误消息和代码。

编辑 3：例如，如果仅对第一列执行此操作，则会发生以下情况（因此第一列是正确的，其余的没有改变）：

> dist %>%
+     mutate(acousticness = (dist[[1]] - choice[[1]]))
# A tibble: 174,388 x 10
   acousticness danceability duration_ms instrumentalness liveness loudness popularity speechiness tempo valence
          <dbl>        <dbl>       <dbl>            <dbl>    <dbl>    <dbl>      <dbl>       <dbl> <dbl>   <dbl>
 1        0.48         0.598      168333       0.000522     0.379    -12.6          12      0.0936 150.   0.634 
 2        0.132        0.852      150200       0.0264       0.0809    -7.26          7      0.0534  86.9  0.95  
 3        0.482        0.647      163827       0.0000176    0.519    -12.1           4      0.174   97.6  0.689 
 4       -0.511        0.73       422087       0.801        0.128     -7.31         17      0.0425 128.   0.0422
 5       -0.216        0.704      165224       0.000246     0.402     -6.04          2      0.0768 122.   0.299 
 6        0.485        0.424      198627       0.799        0.235    -11.5           9      0.0397 104.   0.477 
 7        0.481        0.782      195200       0.00000161   0.176    -12.5           5      0.0592  85.7  0.487 
 8        0.485        0.474      186173       0.186        0.195     -9.71          0      0.0289  78.8  0.366 
 9        0.485        0.469      146840       0.96         0.149    -18.7           0      0.0741 130.   0.621 
10       -0.504        0.571      476304       0.873        0.092     -6.94          0      0.0446 127.   0.119

【问题讨论】：

  • 您应该分享一些数据，以便我们重现您的问题。即使您认为我们应该抽象整个事情并从概念上解决您的问题，但用一些数据来帮助您会容易得多。它不必是您的整个数据框。像粘贴 dput(head(data_frame_name, 10)) 这样的东西会有所帮助。
  • 好的，我添加了songs2、choice和distUseful。
  • 您想从此处的song2 行中减去choice？
  • 是的，没错。我想我会在那里添加一个“预期输出”。
  • 使用 dplyr 肯定会比使用这种 for 循环方法做得更好

标签： r dplyr


【解决方案1】：

假设dist 是一个小标题，choice 是一个值向量（其长度等于dist 中的列数），我会尝试这样的事情：

amend_row <- function(amend_vals, ...) {
   ... - amend_vals
}

purrr::pmap(dist, ~ amend_row(amend_vals = choice, .)) %>%
   do.call(what = rbind, args = .) %>%
   as_tibble() %>% 
   purrr::set_names(nm = colnames(dist))

【讨论】：

  • 其实choice是tibble，不过你说得对，我没想到用purrr...
  • 问题：set_names 在这里做什么？
  • 具有讽刺意味的是，这似乎对第一列非常有效，但其余的却给了我疯狂的数字...也许是因为 choice 是 tibble 而不是向量？
  • 即使选择是一个向量，它仍然不起作用。我通过将choice 变成带有as.numeric() 的向量来测试它...
【解决方案2】：

我遇到了一些困难，因为我认为 names(choice) 和 distUsefull 不完全匹配。

我在循环之前将名称（选择）重新命名为 distUsefull：

distUseful<-names(choice)
dist<-df[distUseful]

然后，使用for loop 解决方案

for (i in 1:nrow(dist)){
        for (j in seq_along(distUseful)){
                dist[i,j]<-dist[i,j]-choice[1,j]
        }
}

这减去了所要求的值。

dist
# A tibble: 10 x 10
   acousticness danceability duration_ms instrumentalness liveness loudness popularity speechiness  tempo valence
          <dbl>        <dbl>       <dbl>            <dbl>    <dbl>    <dbl>      <dbl>       <dbl>  <dbl>   <dbl>
 1        0.48        0.195        50938          -0.895    0.271    -4.50         -53     0.0422   14.9    0.442
 2        0.132       0.449        32805          -0.870   -0.0271    0.865        -58     0.002   -48.2    0.758
 3        0.482       0.244        46432          -0.896    0.411    -3.97         -61     0.123   -37.4    0.497
 4       -0.511       0.327       304692          -0.0950   0.02      0.815        -48    -0.00890  -7.05  -0.150
 5       -0.216       0.301        47829          -0.896    0.294     2.09         -63     0.0254  -13.0    0.107
 6        0.485       0.0210       81232          -0.0970   0.127    -3.34         -56    -0.0117  -31.2    0.285
 7        0.481       0.379        77805          -0.896    0.0680   -4.33         -60     0.0078  -49.4    0.295
 8        0.485       0.0710       68778          -0.71     0.087    -1.59         -65    -0.0225  -56.3    0.174
 9        0.485       0.0660       29445           0.0640   0.0410  -10.6          -65     0.0227   -4.99   0.429
10       -0.504       0.168       358909          -0.023   -0.016     1.18         -65    -0.0068   -8.05  -0.073
>

For 循环可能很慢。在这种情况下，我们嵌套了 for 循环，这可能是大数据帧的问题。 dplyr、*apply() 或 data.table 解决方案可能会更快。

使用mapply() 的更快的单行解决方案（仅在列上循环，x 和 y 的矢量化减法）：

data.frame(mapply(function(x,y)x-y, dist, choice))

   acousticness danceability duration_ms instrumentalness liveness loudness popularity speechiness   tempo valence
1      0.480000        0.195       50938       -0.8954780   0.2710   -4.502        -53      0.0422  14.929  0.4420
2      0.132000        0.449       32805       -0.8696000  -0.0271    0.865        -58      0.0020 -48.158  0.7580
3      0.482000        0.244       46432       -0.8959824   0.4110   -3.972        -61      0.1226 -37.447  0.4970
4     -0.510827        0.327      304692       -0.0950000   0.0200    0.815        -48     -0.0089  -7.050 -0.1498
5     -0.216000        0.301       47829       -0.8957540   0.2940    2.090        -63      0.0254 -12.971  0.1070
6      0.485000        0.021       81232       -0.0970000   0.1270   -3.344        -56     -0.0117 -31.177  0.2850
7      0.481000        0.379       77805       -0.8959984   0.0680   -4.327        -60      0.0078 -49.395  0.2950
8      0.485000        0.071       68778       -0.7100000   0.0870   -1.586        -65     -0.0225 -56.263  0.1740
9      0.485000        0.066       29445        0.0640000   0.0410  -10.591        -65      0.0227  -4.987  0.4290
10    -0.504180        0.168      358909       -0.0230000  -0.0160    1.183        -65     -0.0068  -8.054 -0.0730

【讨论】：

  • 嘿，你是对的！我在distUseful 中放了两份"duration_ms"... Ops
  • 问题是seq_along() 计算向量中元素的数量。 nrow() 只是一个数字。只需将其更改为 1:nrow(dist) 和 choice[1,j]。
  • 好吧，这行得通，但它也非常慢......也许有更快的方法？ （请记住，我正在使用 174.388 长的 tibble 进行此操作，可用 here）
  • 我发现了一个非常简单的带有 mapply 的单线，@ÉricoPatto。编辑了我的答案。这必须比嵌套的 for 循环快。
  • 万岁！这是迄今为止最快的！整个小标题都用了0.027s elapsed！ （我刚刚将data.frame 更改为as_tibble）万岁！
【解决方案3】：

玩弄大家的建议，我想出了很多想法。只有其中一个有效。

我使用了@Johny 函数的修改版本（并纠正了@GuedesBF 提到的我的向量distUseful），使用了不要循环的建议并提出了apply：

amend_row <- function(data) {
  data - as.numeric(choice)
}

dist %>%
  apply(X = ., FUN = amend_row, MARGIN = 1) %>%
  t() %>%
  as_tibble()

这给了我：

> dist %>%
+   apply(X = ., FUN = amend_row, MARGIN = 1) %>%
+   t() %>%
+   as_tibble()
# A tibble: 174,388 x 10
   acousticness danceability duration_ms instrumentalness liveness loudness popularity speechiness  tempo valence
          <dbl>        <dbl>       <dbl>            <dbl>    <dbl>    <dbl>      <dbl>       <dbl>  <dbl>   <dbl>
 1        0.48         0.195       50938          -0.895    0.271    -4.50         -53     0.0422   14.9    0.442
 2        0.132        0.449       32805          -0.870   -0.0271    0.865        -58     0.002   -48.2    0.758
 3        0.482        0.244       46432          -0.896    0.411    -3.97         -61     0.123   -37.4    0.497
 4       -0.511        0.327      304692          -0.0950   0.0200    0.815        -48    -0.00890  -7.05  -0.150
 5       -0.216        0.301       47829          -0.896    0.294     2.09         -63     0.0254  -13.0    0.107
 6        0.485        0.021       81232          -0.0970   0.127    -3.34         -56    -0.0117  -31.2    0.285
 7        0.481        0.379       77805          -0.896    0.068    -4.33         -60     0.0078  -49.4    0.295
 8        0.485        0.071       68778          -0.710    0.087    -1.59         -65    -0.0225  -56.3    0.174
 9        0.485        0.066       29445           0.064    0.0410  -10.6          -65     0.0227   -4.99   0.429
10       -0.504        0.168      358909          -0.0230  -0.016     1.18         -65    -0.0068   -8.05  -0.073
# … with 174,378 more rows

在极短的时间内。

编辑：这是仅使用前 1000 行的时差：

# MY SOLUTION
> dist <- songs2 %>%
+   select(all_of(distUseful)) %>%
+   head(1000)
> system.time(dist %>%
+               apply(X = ., FUN = subtraction, MARGIN = 1) %>%
+               t() %>%
+               as_tibble())
   user  system elapsed 
  0.006   0.000   0.006 
# THE FUNCTION SOLUTION – DIDN'T WORK PROPERLY (last I checked)
> amend_row <- function(amend_vals, ...) {
+   ... - amend_vals
+ }
> system.time(purrr::pmap(dist, ~ amend_row(amend_vals = choice, .)) %>%
+               do.call(what = rbind, args = .) %>%
+               as_tibble() %>% 
+               purrr::set_names(nm = colnames(dist)))
   user  system elapsed 
  1.222   0.016   1.261 
# NOT A LOT OF TIDYVERSE SOLUTION – SLOOOOOWWWWWW
> system.time(for (i in 1:nrow(dist)){
+   for (j in seq_along(distUseful)){
+     dist[i,j]<-dist[i,j]-choice[1,j]
+   }
+ })
   user  system elapsed 
  7.359   0.046   7.482

【讨论】：

  • 优秀。如果你能用system.time()显示你得到的时间差异，那就太好了
  • 另外两个解决方案甚至都没有完成。我知道它更快，因为当我只使用head() 运行它时它会更快，而且因为......好吧，它实际上完成了。但我会把区别放在head() 上，好主意。
猜你喜欢
  • 1970-01-01
  • 2021-03-06
  • 1970-01-01
  • 1970-01-01
  • 2020-08-28
  • 2013-03-21
  • 1970-01-01
  • 2022-12-03
  • 2021-07-20
相关资源
最近更新 更多
热门标签
Java Python linux javascript Mysql C# Docker 算法 前端 SpringBoot Redis Vue spring 设计模式 .net core .net kubernetes c++ 数据库 数据结构 大数据 js 机器学习 微服务 Android Go 程序员 面试 JVM ASP.net core 云原生 人工智能 后端 PHP git CSS golang k8s Nginx Django mybatis 深度学习 多线程 React 架构 devops 爬虫 云计算 Spring Boot LeetCode