用向量计算替换函数中的 for 循环以加速 R答案

【问题标题】：replacing for loops in a function with vector calculations to speed up R用向量计算替换函数中的 for 循环以加速 R
【发布时间】：2015-07-03 04:33:21
【问题描述】：

假设我在数据框d1 中有一些数据，描述了不同样本个体吃不同食物的频率，最后一列描述了这些食物是否凉快吃。数据的结构是这样的。

OTU.ID<- c('pizza','taco','pizza.taco','dirt')
s1<-c(5,20,14,70)
s2<-c(99,2,29,5)
s3<-c(44,44,33,22)
cool<-c(1,1,1,0)

d1<-data.frame(OTU.ID,s1,s2,s3,cool)
print(d1)
      OTU.ID s1 s2 s3 cool
1      pizza  5 99 44    1
2       taco 20  2 44    1
3 pizza.taco 14 29 33    1
4       dirt 70  5 22    0

我编写了一个函数，对于每个样本，s1:s3，消耗的凉爽食物的数量，以及消耗的食物总数。它在数据表的每一行上作为 for 循环运行（非常慢）。

cool.food.abundance<- function(food.table){
samps<-colnames(food.table)
#remove column names that are not sample names
samps<-samps[!samps %in% c("OTU.ID","cool")]

#create output vectors for for loop
    id<-c()
    cool.foods<-c()
    all.foods<-c()
    #run a loop that stores output ids and results as vectors
    for(i in 1:length(samps)){
        x<- samps[i]
        y1<-sum(food.table[samps[i]]*food.table$cool)
        y2<-sum(food.table[samps[i]])
        id<-c(id,x)
        cool.foods<-c(cool.foods,y1)
        all.foods<-c(all.foods,y2)
    }
    #save results as a data frame and return the data frame object
    results<-data.frame(id,cool.foods,all.foods)
    return(results)
}

因此，如果您运行此函数，您将获得一个新表，其中包含样本 ID、样本食用的冷食数量以及样本食用的食物总数。

cool.food.abundance(d1)
  id cool.foods all.foods
1 s1         39       109
2 s2        130       135
3 s3        121       143

如何用矢量计算替换这个 for 循环以加快速度？我真的希望该函数能够对使用 data.table 包中的 fread 函数加载的数据帧进行操作。

【问题讨论】：

标签： r

【解决方案1】：

你可以试试

library(data.table)#v1.9.5+
dcast(melt(setDT(d1), id.var=c('OTU.ID', 'cool'))[,
         sum(value) ,.(cool, variable)], variable~c('notcool.foods',
       'cool.foods')[cool+1L], value.var='V1')[,
    all.foods:= cool.foods+notcool.foods][, notcool.foods:=NULL]
#      variable cool.foods all.foods
#1:       s1         39       109
#2:       s2        130       135
#3:       s3        121       143

或者不使用dcast，我们可以总结结果（如@jeremycg 的帖子），因为只有两组

 melt(setDT(d1), id.var=c('OTU.ID', 'cool'), variable.name='id')[,
     list(all.foods=sum(value), cool.foods=sum(value[cool==1])) , id]
 #   id all.foods cool.foods
 #1: s1       109         39
 #2: s2       135        130
 #3: s3       143        121

或者你可以使用base R

nm1 <- paste0('s', 1:3)
res <- t(addmargins(rowsum(as.matrix(d1[nm1]), group=d1$cool),1)[-1,])

colnames(res) <- c('cool.foods', 'all.foods')
res
 #   cool.foods all.foods
 #s1         39       109
 #s2        130       135
 #s3        121       143

【讨论】：

我收到以下错误：“错误：找不到函数“dcast”。”
@colin 我使用的是data.table 的开发版，否则你可以加载library(reshape2) 并获取dcast
啊是的-最新版本的数据表。有没有办法不使用软件包安装程序无法使用的最新版本？我希望与可能不知道如何或想要在 R 界面之外安装软件包的其他用户分享这个脚本。
@colin 你可以安装library(reshape2)，它也有dcast的功能。在这种特殊情况下，这也应该有效
@colin 输出是一个带有行名的矩阵。我们可以从中创建一个 data.frame。 d2 <- data.frame(id=row.names(res), res); rownames(d2) <- NULL

【解决方案2】：

我会这样做，reshape2 和 dplyr：

library(reshape2)
library(dplyr)
d1 <- melt(d1, id = c("OTU.ID", "cool"))
d1 %>% group_by(variable) %>% 
       summarise(all.foods = sum(value), cool.foods = sum(value[cool == 1]))

【讨论】：

也许您也可以将所有步骤放在链中并使用gather。