如何将函数应用于 data.frame 的每个元素？

Question

我想将数值转换为因子，如果值低于 -2，则“down”应该是因子，如果高于 2，则“up”和“no_change”之间：

到目前为止，我一直在考虑创建一个函数：

classifier <- function(x){
    if (x >= 2){
      return(as.factor("up"))
    }else if (x <= -2){
      return(as.factor("down"))
    }else {
      return(as.factor("no_change"))
    }
}

我可以让它对输入进行迭代（使用 for 循环）并返回一个列表，所以我可以将它与 apply 一起使用。

我想将此函数应用到data.frame的所有单元格，我该怎么做？

模拟数据 (runif(15, min=-5, max=5))：

c(1.11004611710086, -1.86842617811635, 1.72159335808828, -2.68788822228089, 
2.72551498375833, 3.67290901951492, -4.00984475389123, -2.39582793787122, 
4.22395745059475, -0.360892189200968, 1.35027756914496, 2.89919016882777, 
-0.158692332915962, -0.950306688901037, 3.39141107397154)

Answer 1

使用DF <- iris[-5] 作为样本数据，您可以使用cut，正如我在 cmets 中建议的那样。

试试：

DF[] <- lapply(DF, cut, c(-Inf, -2, 2, Inf), c("down", "no_change", "up"))

head(DF)
##   Sepal.Length Sepal.Width Petal.Length Petal.Width
## 1           up          up    no_change   no_change
## 2           up          up    no_change   no_change
## 3           up          up    no_change   no_change
## 4           up          up    no_change   no_change
## 5           up          up    no_change   no_change
## 6           up          up    no_change   no_change

tail(DF)
##     Sepal.Length Sepal.Width Petal.Length Petal.Width
## 145           up          up           up          up
## 146           up          up           up          up
## 147           up          up           up   no_change
## 148           up          up           up   no_change
## 149           up          up           up          up
## 150           up          up           up   no_change

或者，使用 RHertel 的“mock_data”：

cut(mock_data, c(-Inf, -2, 2, Inf), c("down", "no_change", "up"))
##  [1] no_change no_change no_change down      up        up        down     
##  [8] down      up        no_change no_change up        no_change no_change
## [15] up       
## Levels: down no_change up

---

基准测试

正如我在 cmets 中所建议的，RHertel 的方法可能是最有效的。该方法使用非常简单的子集（速度很快）和factor（通常也很快）。

在您描述的数据大小上，您肯定会注意到差异：

set.seed(1)
nrow = 20000
ncol = 1000
x <- as.data.frame(matrix(runif(nrow * ncol, min=-5, max=5), ncol = ncol))

factorize <- function(invec) {
  factorized <- rep("no_change", length(invec))
  factorized[invec > 2]  <- "up"
  factorized[invec < -2]  <- "down"
  factor(factorized, c("down", "no_change", "up"))
}

RHfun <- function(indf = x) {
  indf[] <- lapply(indf, factorize)
  indf
}

AMfun <- function(DF = x) {
  DF[] <- lapply(DF, cut, c(-Inf, -2, 2, Inf), c("down", "no_change", "up"))
  DF
}

library(microbenchmark)
microbenchmark(AMfun(), RHfun(), times = 10)
# Unit: seconds
#     expr      min       lq     mean   median       uq       max neval
#  AMfun() 7.501814 8.015532 8.852863 8.731638 9.660191 10.198983    10
#  RHfun() 1.437696 1.485791 1.723402 1.574507 1.637139  2.528574    10

Answer 2

我一般不喜欢ifelse()，所以我可能会引入一个新向量并以不同的方式处理问题。

factorized <- rep("no_change", length(mock_data))
factorized[mock_data > 2]  <- "up"
factorized[mock_data < -2]  <- "down"
factorized <- as.factor(factorized)
#> factorized
#[1] no_change no_change no_change down      up        up        down      down      up        no_change no_change up        no_change no_change up       
#Levels: down no_change up

本例中的数据取自OP：

mock_data <- c(1.11004611710086, -1.86842617811635, 1.72159335808828, -2.68788822228089, 
           2.72551498375833, 3.67290901951492, -4.00984475389123, -2.39582793787122, 
           4.22395745059475, -0.360892189200968, 1.35027756914496, 2.89919016882777, 
           -0.158692332915962, -0.950306688901037, 3.39141107397154)

感谢@docendo discimus 改进了这个答案并提供了有用的评论。

Answer 3

将apply 与行 和 列的标识符一起使用。

apply(yourDF, c(1, 2), classifier)

这是为了将函数应用于data.frame 的每个单元格。它可能不适用于向量。