哪个是正确的适用于两个数字矩阵？答案

【问题标题】：which is the right apply for two numeric matrices?哪个是正确的适用于两个数字矩阵？
【发布时间】：2013-12-22 17:47:49
【问题描述】：

假设我有一个包含 1000 个x 观察值的向量和一个包含 1000 个 y 观察值的向量。 x的每一行和y的每一行分别对应100个样本。

x <- t(replicate(1000, rnorm(100,mean=6)))
y <- t(replicate(1000, rnorm(100,mean=5)))

我想进行 t.test 看看x 的每一行的平均值是否与y 的每一行的平均值有显着差异。

在这种情况下使用哪个apply 是正确的？理想情况下，应该是这样的：

Xapply(x,y, function(x,y) t.test(x,y)$conf.int)

这可能吗？

【问题讨论】：

标签： r apply

【解决方案1】：

1) mapply 试试这个。 dt_ 将x 和y 中的每一个转换为原始行的数据框，该数据框也是原始行的列表，允许直接使用mapply。您可能希望也可能不希望显示外部 t，具体取决于所需的输出方向：

dt_ <- function(x) data.frame(t(x))
conf.int.1 <- t(mapply(function(x, y) t.test(x, y)$conf.int, dt_(x), dt_(y)))

1a) 使用公式符号的函数稍短变化。有关更多信息，请参阅 gsubfn home page 和 package documentation 上的 fn 信息

library(gsubfn) # fn
conf.int.1a <- t(fn$mapply(~ t.test(x, y)$conf.int, dt_(x), dt_(y)))

2) 应用 另一种方法是从x 和y 创建一个3d 数组，然后在第一个维度上应用t 检验：

z <- array(c(x, y), c(dim(x), 2))
conf.int.2 <- t(apply(z, 1, function(x) t.test(x[, 1], x[, 2])$conf.int))

2a) 使用abind 包中的abind 可以实现一种更好的创建3d 数组的方法：

library(abind)
a <- abind(x, y, along = 3)
conf.int.2a <- t(apply(a, 1, function(x) t.test(x[, 1], x[, 2])$conf.int))

更新：添加了解决方案 2。

更新：添加了解决方案 2a。

【讨论】：

谢谢。对mapply 有任何性能问题吗？我问主要是因为我听说某些apply-s 实际上效率不高，这是一个玩具示例；在现实生活中，可能有超过 1000 个实验需要测试。
您以前没有询问过性能...您给出的示例可能几乎可以立即使用此处建议的任何方法运行。如果您担心性能，您可以编辑您的问题以指定您真正的问题有多大……rbenchmark 和 microbenchmark 软件包很有用。
不是一般意义上的。对于这个特殊问题，如果性能很重要，您将需要进行基准测试。

【解决方案2】：

一种方法是将它们 cbind 并在较大的对象上运行普通应用：

 apply( cbind(x,y), 1 , function(x) t.test(x[1:100], x[101:200] )$conf.int)

【讨论】：

【解决方案3】：

您可以组合这两个矩阵并为t.test 中使用的公式创建因子向量：

fac <- gl(2, ncol(x)) # factor
apply(cbind(x, y), 1, function(x) t.test(x ~ fac)$conf.int)

【讨论】：

【解决方案4】：

set.seed(101)
x <- t(replicate(1000, rnorm(100,mean=6)))
y <- t(replicate(1000, rnorm(100,mean=5)))

for 循环在这里实际上可以，但您可以在索引上使用 sapply：

 result <- t(sapply(seq(nrow(x)),
             function(i) t.test(x[i,],y[i,])$conf.int))

或者（可能效率稍低）您可以将x 和y 转换为列表并使用mapply：

 xList <- split(x,row(x))
 yList <- split(y,row(y))
 m1 <- mapply(t.test,xList,yList,SIMPLIFY=FALSE)
 result2 <- t(sapply(m1,"[[","conf.int"))

【讨论】：

【解决方案5】：

我会使用mapply:

t(mapply(function(i,j)t.test(x[i,],y[j,])$conf.int,
      seq(nrow(x)),seq(nrow(y))))

【讨论】：