如何使用“扫一扫”功能答案

【问题标题】：How to use the 'sweep' function如何使用“扫一扫”功能
【发布时间】：2011-03-27 13:42:22
【问题描述】：

当我查看 R Packages 的源代码时，我看到函数 sweep 经常使用。有时它会在一个更简单的函数就足够的情况下使用（例如，apply），其他时候，如果没有它，就不可能确切知道它在做什么花相当多的时间来单步调试它所在的代码块。

我可以使用更简单的函数重现sweep 的效果这一事实表明我不明白sweep 的核心用例，而且这个功能经常被使用的事实表明它非常有用。

上下文：

sweep 是 R 标准库中的一个函数；它的论点是：

sweep(x, MARGIN, STATS, FUN="-", check.margin=T, ...)

# x is the data
# STATS refers to the summary statistics which you wish to 'sweep out'
# FUN is the function used to carry out the sweep, "-" is the default

如您所见，参数类似于apply，尽管sweep 需要多了一个参数，STATS。

另一个关键区别是sweep 返回一个与输入数组形状相同 的数组，而apply 返回的结果取决于传入的函数。

sweep 在行动：

# e.g., use 'sweep' to express a given matrix in terms of distance from 
# the respective column mean

# create some data:
M = matrix( 1:12, ncol=3)

# calculate column-wise mean for M
dx = colMeans(M)

# now 'sweep' that summary statistic from M
sweep(M, 2, dx, FUN="-")

     [,1] [,2] [,3]
[1,] -1.5 -1.5 -1.5
[2,] -0.5 -0.5 -0.5
[3,]  0.5  0.5  0.5
[4,]  1.5  1.5  1.5

总之，我正在寻找的是sweep 的一个或两个示例性用例。

请不要背诵或链接到 R 文档、邮件列表或任何“主要”R 资源——假设我已阅读它们。我感兴趣的是经验丰富的 R 程序员/分析师如何在自己的代码中使用 sweep。

【问题讨论】：

M-dx 不会复制您的结果。您回答了自己的问题。
apply 的唯一用法是我可以计算出的结果，类似于 t(apply(t(M), 2, "-", dx))，但这很讨厌。

标签： r statistics

【解决方案1】：

sweep() 通常用于逐行或逐列运算矩阵，运算的另一个输入是每行/列的不同值。是按行还是按列操作由MARGIN定义，如apply()。用于我所说的“其他输入”的值由 STATS 定义。因此，对于每一行（或每一列），您将从 STATS 中获取一个值并在 FUN 定义的操作中使用。

例如，如果你想在你定义的矩阵的第 1 行加 1，在第 2 行加 2 等等，你会这样做：

sweep (M, 1, c(1: 4), "+")

坦白说我也没有理解 R 文档中的定义，我只是通过查找示例了解到的。

【讨论】：

稍微解释一下：STATS 似乎是这个变量的错误标签。它是FUN 的输入，用于修改矩阵中每个元素的值（在此示例中为M）。 STATS 可以是一个常量，也可以是一个大小与所选MARGIN 大小匹配的列表/向量/等。我想。
我怀疑他们使用了参数STATS，因为该函数被设计为一种缩放工具，您减去colMeans并除以列的标准偏差（scale()函数在“见也”文档的一部分）。但事实上，它不必是任何类型的统计数据。我猜这就是 R 文档具有误导性的原因。

【解决方案2】：

sweep() 非常适合系统地逐列或逐行操作大型矩阵，如下所示：

> print(size)
     Weight Waist Height
[1,]    130    26    140
[2,]    110    24    155
[3,]    118    25    142
[4,]    112    25    175
[5,]    128    26    170

> sweep(size, 2, c(10, 20, 30), "+")
     Weight Waist Height
[1,]    140    46    170
[2,]    120    44    185
[3,]    128    45    172
[4,]    122    45    205
[5,]    138    46    200

当然，这个例子很简单，但是改变 STATS 和 FUN 参数，其他操作也是可能的。

【讨论】：

第二个参数'2'在sweep函数调用中代表什么？
第二个参数是被操作的边距，类似于apply。在这里，2 表示每行评估 STAT。在应用中，它是相反的（2 适用于列）。例如。 sweep(matrix(1:50, nrow = 5), 2, 1:10, "-")
我不知道他们为什么这样做，但这是真的，column=1 row=2

【解决方案3】：

这个问题有点老了，但由于我最近遇到了这个问题，所以可以在统计函数cov.wt 的源代码中找到扫描的典型用法，该函数用于计算加权协方差矩阵。我正在查看 R 3.0.1 中的代码。这里sweep 用于在计算协方差之前减去列均值。在代码的第 19 行，导出了居中向量：

 center <- if (center) 
        colSums(wt * x)
    else 0

在第 54 行，它被扫出矩阵

x <- sqrt(wt) * sweep(x, 2, center, check.margin = FALSE)

代码作者使用的是默认值FUN = "-"，这让我困惑了一阵子。

【讨论】：

【解决方案4】：

您可以使用sweep 函数来缩放和居中数据，如下面的代码。请注意，means 和 sds 在这里是任意的（您可能有一些参考值，希望根据它们标准化数据）：

df=matrix(sample.int(150, size = 100, replace = FALSE),5,5)

df_means=t(apply(df,2,mean))
df_sds=t(apply(df,2,sd))

df_T=sweep(sweep(df,2,df_means,"-"),2,df_sds,"/")*10+50

此代码将原始分数转换为 T 分数（mean=50 和 sd=10）：

> df
     [,1] [,2] [,3] [,4] [,5]
[1,]  109    8   89   69   15
[2,]   85   13   25  150   26
[3,]   30   79   48    1  125
[4,]   56   74   23  140  100
[5,]  136  110  112   12   43
> df_T
         [,1]     [,2]     [,3]     [,4]     [,5]
[1,] 56.15561 39.03218 57.46965 49.22319 40.28305
[2,] 50.42946 40.15594 41.31905 60.87539 42.56695
[3,] 37.30704 54.98946 47.12317 39.44109 63.12203
[4,] 43.51037 53.86571 40.81435 59.43685 57.93136
[5,] 62.59752 61.95672 63.27377 41.02349 46.09661

【讨论】：

@BenBolker 正如我在答案中提到的那样，因为我可能想根据参考平均值和 sd 来缩放项目，而不是当前样本本身的平均值和 sd。当您处理在大样本中进行管理和标准化的测试时，就会发生这种情况，并且您希望根据它们的统计数据来标准化您的小样本分数。

【解决方案5】：

一种用途是计算数组的加权总和。其中rowSums 或colSums 可以假定为'weights=1'，sweep 可以在此之前使用以给出加权结果。这对于 >=3 维的数组特别有用。

这会出现，例如根据@James King 的示例计算加权协方差矩阵时。

这是另一个基于当前项目的：

set.seed(1)
## 2x2x2 array
a1 <- array(as.integer(rnorm(8, 10, 5)), dim=c(2, 2, 2))
## 'element-wise' sum of matrices
## weights = 1
rowSums(a1, dims=2)
## weights
w1 <- c(3, 4)
## a1[, , 1] * 3;  a1[, , 2] * 4
a1 <- sweep(a1, MARGIN=3, STATS=w1, FUN="*")
rowSums(a1, dims=2)

【讨论】：