按列表对 data.frame 进行子集化，并按行在每个部分上应用函数

Question

这可能看起来是一个典型的 plyr 问题，但我有不同的想法。 这是我想要优化的函数（跳过 for 循环）。

# dummy data
set.seed(1985)
lst <- list(a=1:10, b=11:15, c=16:20)
m <- matrix(round(runif(200, 1, 7)), 10)
m <- as.data.frame(m)


dfsub <- function(dt, lst, fun) {
    # check whether dt is `data.frame`
    stopifnot (is.data.frame(dt))
    # check if vectors in lst are "whole" / integer
    # vector elements should be column indexes
    is.wholenumber <- function(x, tol = .Machine$double.eps^0.5)  abs(x - round(x)) < tol
    # fall if any non-integers in list
    idx <- rapply(lst, is.wholenumber)
    stopifnot(idx)
    # check for list length
    stopifnot(ncol(dt) == length(idx))
    # subset the data
    subs <- list()
    for (i in 1:length(lst)) {
            # apply function on each part, by row
            subs[[i]] <- apply(dt[ , lst[[i]]], 1, fun)
    }
    # preserve names
    names(subs) <- names(lst)
    # convert to data.frame
    subs <- as.data.frame(subs)
    # guess what =)
    return(subs)
}

现在是一个简短的演示......实际上，我将解释我主要打算做什么。我想通过 list 对象中收集的向量对 data.frame 进行子集化。由于这是心理学研究中伴随数据操作的函数的代码的一部分，因此您可以将 m 视为性格调查问卷（10 个受试者，20 个变量）的结果。列表中的向量包含定义调查问卷子量表（例如人格特质）的列索引。每个子量表由多个项目（data.frame 中的列）定义。如果我们假设每个子量表的分数只不过是行值（每个主题的调查问卷该部分的结果）的 sum （或其他函数），您可以运行：

> dfsub(m, lst, sum)
    a  b  c
1  46 20 24
2  41 24 21
3  41 13 12
4  37 14 18
5  57 18 25
6  27 18 18
7  28 17 20
8  31 18 23
9  38 14 15
10 41 14 22

我看了一眼在这个函数中，我必须承认这个小循环根本不会破坏代码......但是，如果有更简单/有效的方法来做到这一点，请告诉我！

Answer 1

我会采取不同的方法，将所有内容保留为数据帧，以便您可以使用 merge 和 ddply。我想您会发现这种方法更通用一些，并且更容易检查每个步骤是否正确执行。

# Convert everything to long data frames
m$id <- 1:nrow(m)

library(reshape)
obs <- melt(m, id = "id")
obs$variable <- as.numeric(gsub("V", "", obs$variable))

varinfo <- melt(lst)
names(varinfo) <- c("variable", "scale")

# Merge and summarise
obs <- merge(obs, varinfo, by = "variable")

ddply(obs, c("id", "scale"), summarise, 
  mean = mean(value), 
  sum = sum(value))

Answer 2

加载plyr包后，替换

subs <- list()
    for (i in 1:length(lst)) {
            # apply function on each part, by row
            subs[[i]] <- apply(dt[ , lst[[i]]], 1, fun)
    }

为

subs <- llply(lst,function(x) apply(dt[,x],1,fun))

Answer 3

@Hadley，我已经检查了您的回复，因为它非常简单且易于记账（除了它是更通用的解决方案之外）。然而，这是我的不太长的脚本，它只需要 base 包（这很简单，因为我安装了 plyr 和 reshape就在安装 R 之后）。现在，这是来源：

dfsub <- function(dt, lst, fun) {
        # check whether dt is `data.frame`
        stopifnot (is.data.frame(dt))
        # convert data.frame factors to numeric
        dt <- as.data.frame(lapply(dt, as.numeric))
        # check if vectors in lst are "whole" / integer
        # vector elements should be column indexes
        is.wholenumber <- function(x, tol = .Machine$double.eps^0.5)  abs(x - round(x)) < tol
        # fall if any non-integers in list
        idx <- rapply(lst, is.wholenumber)
        stopifnot(idx)
        # check for list length
        stopifnot(ncol(dt) == length(idx))
        # subset the data
        subs <- list()
        for (i in 1:length(lst)) {
                # apply function on each part, by row
                subs[[i]] <- apply(dt[ , lst[[i]]], 1, fun)
        }
        names(subs) <- names(lst)
        # convert to data.frame
        subs <- as.data.frame(subs)
        # guess what =)
        return(subs)
}

Answer 4

对于您的具体示例，一行解决方案是 sapply(lst,function(x) rowSums(m[,x])) （尽管您可能会添加更多行来检查有效输入并放置在列名称中）。

您还有其他更一般的应用吗？或者这可能是 YAGNI 的情况吗？