如何将此 sapply 用例转换为 dplyr？答案

【问题标题】：How to cast this sapply use-case as a dplyr?如何将此 sapply 用例转换为 dplyr？
【发布时间】：2019-11-03 13:02:38
【问题描述】：

在使用 predict.knn3 时，我遇到了一个有趣的数据争吵用例。我不知道我可以使用参数 type="class" 调用 predict 来获得预测的水平，这正是我所需要的。因此，我制定了一个有点复杂的解决方案，从每个predict() 的结果行中选择概率最大的级别。问题是由于names 函数不能以矩阵的“矢量化”形式工作，而只能与向量一起工作。

为了说明在发现 type="class" 参数之前和之后的用例：

rm(list = ls())
library(caret)
library(tidyverse)
library(dslabs)

data("tissue_gene_expression")
x <- tissue_gene_expression$x
y <- tissue_gene_expression$y

set.seed(1)
test_index <- createDataPartition(y, times = 1, p = 0.5, list = FALSE)
test_x <- x[test_index,]
test_y <- y[test_index]
train_x <- x[-test_index,]
train_y <- y[-test_index]

# fit the model, predict without type="class" and use sapply to build the y_hat levels
fit <- knn3(train_x, train_y, k = 1)
pred <- predict(fit, test_x)
y_hat <- sapply(1:nrow(pred), function(i) as.factor(names(pred[i,which.max(pred[i,])])))

# compare it to the solution using predict with type="class"
identical(y_hat, as.factor(predict(fit, test_x, type="class")))
[1] TRUE

为了说明问题，我可以执行以下操作，请参阅对命名数字元素的向量进行操作的 names 函数会产生所需的结果，而使用矩阵将失败并输出 NULL：

names(pred[1, which.max(pred[1,])])
[1] "cerebellum"
names(pred[1:2, which.max(pred[1:2,])])
NULL

假设在predict.knn3 函数中不知道这个方便的type="class"；有没有更简单的方法使用 tidyverse 和 dplyr 来替换这个 sapply？或者任何其他更简单的方法来实现这个用例？

y_hat <- sapply(1:nrow(pred), function(i) as.factor(names(pred[i, which.max(pred[i,])])))

我正在追求类似以下的东西，但它不起作用：

as_tibble(predict(fit, test_x)) %>% mutate(y_hat=names(which.max(.[row_number(),])))

【问题讨论】：

标签： r dplyr tidyverse

【解决方案1】：

我发现使用dplyr 对行进行操作可能有点混乱。不过，这应该可以。猜测一下，这并不是计算效率最高的。

solution <- as_tibble(predict(fit, test_x)) %>%
  rowwise() %>%
  do(as.data.frame(.) %>%
       mutate(., y_hat = names(.)[which.max(select(., everything()))])
  )

solution %>%
  slice(18:22)

# A tibble: 5 x 8
  cerebellum colon endometrium hippocampus kidney liver placenta y_hat     
       <dbl> <dbl>       <dbl>       <dbl>  <dbl> <dbl>    <dbl> <chr>     
1          1     0           0           0      0     0        0 cerebellum
2          1     0           0           0      0     0        0 cerebellum
3          0     1           0           0      0     0        0 colon     
4          0     1           0           0      0     0        0 colon     
5          0     1           0           0      0     0        0 colon

【讨论】：

【解决方案2】：

由于预测是一个矩阵，您可以直接将which.max 应用于每一行。

pred <- predict(fit, test_x)
labels <- colnames(pred)
labels[apply(pred, 1, which.max)]

【讨论】：

【解决方案3】：

见?max.col:

colnames(pred)[max.col(pred)]

#or dplyr

library (dplyr)

pred%>%
  as_tibble()%>%
  mutate(y_hat = names(.)[max.col(.)])

【讨论】：

@SkyWalker 查看dplyr 方法的编辑。它应该很快，因为max.col 是矢量化的

【解决方案4】：

我必须使用 melt 将矩阵变成长格式：

library(reshape2)
melt(pred) %>% 
    group_by(Var1) %>% 
    top_n(1,wt=value) %>% pull(Var2)

【讨论】：

如果你这样做，我现在会使用tidyr 和pivot_longer()。根据 github 页面：“reshape2 已退役：只会进行必要的更改以将其保留在 CRAN 上。我们建议改用 tidyr。”