R 数据导入和转换答案

【问题标题】：R data import & transformationR 数据导入和转换
【发布时间】：2015-11-26 09:18:22
【问题描述】：

我有一个包含 M 行的数据文件，每行包含 N 个空格分隔的十进制值。没有标题行。

每一行包含 N 个不同 {X,Y} 元组的“Y”部分。 “X”部分是“位置”/100。因此，如果一行以“5, 6, 7”开头，那么这些将暗示元组 {0.01, 5}, {0.02, 6}, {0.03, 7}。

对于每一行，我需要计算最小二乘拟合并提取斜率。最终结果应该是一个包含 M 个斜率值的向量 (a)。

这是我目前所拥有的。它可以工作，但速度很慢，而且可能比必要的复杂：

table <- read.table("data.txt", header = FALSE)

x = c()
for (i in 1:length(table)) {
    x <- append(x, 0.01 * i)
}

a = c()
for (i in 1:length(table[,1])) {
    a <- append(a, lm(unlist(table[i,], use.names = FALSE) ~ x)$coefficients[[2]])
}

一些具体问题：

有没有比在 for 循环中追加更好的方法来生成 (x) 向量？
我什至需要 (x) 向量，还是有办法将“Y”值的单个向量传递给 lm() 函数并让它从位置推断“X”值？
有没有一种简单的方法可以将数据导入“向量的向量”而不是 R 的“表”结构？

我是 R 的新手，因此您可以提出任何改进建议。

【问题讨论】：

标签： r regression

【解决方案1】：

如果您的数据存储为matrix，而不是data.frame（这是read.table 返回的内容），则按行操作会容易得多。

重新创建数据：

DT <- data.frame(V1 = c(5,7,9), V2 = c(6 , 10 , 8), V3 = c(7,12,4))

（注意table是R中函数的名称，所以你应该避免将它用作变量。我用DT代替）

DT <- as.matrix(DT) #convert to matrix
colnames(DT) <- c(1:ncol(DT)) #name your columns 1, 2, 3, ... to the total number of columns.

我们现在可以使用apply（链接中的示例#1）将相同的函数应用于矩阵中的每一行。

apply(DT, 1, function(a){
  lm(y ~ x, data = data.frame(y = a, x = as.numeric(colnames(DT))/100))$coefficients[[2]]
})

我们的函数获取行，创建一个两列数据框，其中包含行和我们之前创建的1,2,3, ... / 100 的colnames 向量，并找到最小二乘拟合。如果你想返回整个 lm 模型，只需取出 $coefficients[[2]] （我留下来复制你上面的代码。

【讨论】：