关于r：将函数应用于矩阵或数据框的每一行

Apply a function to every row of a matrix or a data frame

假设我有一个n乘2的矩阵和一个以2向量作为其参数之一的函数。我想将函数应用于矩阵的每一行并得到一个n向量。在R中如何做到这一点？

例如，我想在三个点上计算2D标准正态分布的密度：

1
2
3
4
5

bivariate.density(x = c(0, 0), mu = c(0, 0), sigma = c(1, 1), rho = 0){
exp(-1/(2*(1-rho^2))*(x[1]^2/sigma[1]^2+x[2]^2/sigma[2]^2-2*rho*x[1]*x[2]/(sigma[1]*sigma[2]))) * 1/(2*pi*sigma[1]*sigma[2]*sqrt(1-rho^2))
}

out <- rbind(c(1, 2), c(3, 4), c(5, 6))

如何将函数应用于out的每一行？

如何以指定的方式将除了点之外的其他参数的值传递给函数？

您只需使用apply()函数：

1
2
3
4
5
6
7
8
9

R> M <- matrix(1:6, nrow=3, byrow=TRUE)
R> M
[,1] [,2]
[1,] 1 2
[2,] 3 4
[3,] 5 6
R> apply(M, 1, function(x) 2*x[1]+x[2])
[1] 4 10 16
R>

这需要一个矩阵并将(傻)函数应用于每一行。您将额外的参数传递给函数，作为apply()的第四，第五，...参数。

相关讨论

如果你想应用常用函数，如sum或mean，你应该使用rowSums或rowMeans，因为它们比apply(data, 1, sum)方法更快。否则，坚持使用apply(data, 1, fun)。您可以在FUN参数后传递其他参数(如Dirk已建议的那样)：

1
2
3
4
5
6
7
8
9
10

set.seed(1)
m <- matrix(round(runif(20, 1, 5)), ncol=4)
diag(m) <- NA
m
[,1] [,2] [,3] [,4]
[1,] NA 5 2 3
[2,] 2 NA 2 4
[3,] 3 4 NA 5
[4,] 5 4 3 NA
[5,] 2 1 4 4

然后你可以做这样的事情：

1
2
3
4
5

apply(m, 1, quantile, probs=c(.25,.5, .75), na.rm=TRUE)
[,1] [,2] [,3] [,4] [,5]
25% 2.5 2 3.5 3.5 1.75
50% 3.0 2 4.0 4.0 3.00
75% 4.0 3 4.5 4.5 4.00

这是将函数应用于矩阵的每一行的简短示例。
(这里，应用的函数将每一行规范化为1.)

注意：apply()的结果必须使用t()进行转置，以获得与输入矩阵A相同的布局。

1
2
3
4
5
6
7

A <- matrix(c(
0, 1, 1, 2,
0, 0, 1, 3,
0, 0, 1, 3
), nrow = 3, byrow = TRUE)

t(apply(A, 1, function(x) x / sum(x) ))

结果：

1
2
3
4

[,1] [,2] [,3] [,4]
[1,] 0 0.25 0.25 0.50
[2,] 0 0.00 0.25 0.75
[3,] 0 0.00 0.25 0.75

第一步是制作函数对象，然后应用它。如果你想要一个具有相同行数的矩阵对象，你可以预定义它并使用如图所示的object []形式(否则返回的值将简化为向量)：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

bvnormdens <- function(x=c(0,0),mu=c(0,0), sigma=c(1,1), rho=0){
exp(-1/(2*(1-rho^2))*(x[1]^2/sigma[1]^2+
x[2]^2/sigma[2]^2-
2*rho*x[1]*x[2]/(sigma[1]*sigma[2]))) *
1/(2*pi*sigma[1]*sigma[2]*sqrt(1-rho^2))
}
out=rbind(c(1,2),c(3,4),c(5,6));

bvout<-matrix(NA, ncol=1, nrow=3)
bvout[] <-apply(out, 1, bvnormdens)
bvout
[,1]
[1,] 1.306423e-02
[2,] 5.931153e-07
[3,] 9.033134e-15

如果您想使用除默认参数之外的其他参数，则调用应在函数后包含命名参数：

1	bvout[] <-apply(out, 1, FUN=bvnormdens, mu=c(-1,1), rho=0.6)

apply()也可用于高维数组，MARGIN参数可以是向量也可以是单个整数。

Apply可以很好地完成工作，但速度很慢。
使用sapply和vapply可能很有用。 dplyr的rowwise也很有用
让我们看一个如何做任何数据框的行方式产品的例子。

1
2
3

a = data.frame(t(iris[1:10,1:3]))
vapply(a, prod, 0)
sapply(a, prod)

请注意，在使用vapply / sapply / apply之前分配给变量是一种很好的做法，因为它可以减少很多时间。我们来看看microbenchmark的结果

1
2
3
4
5
6
7
8
9
10
11
12

a = data.frame(t(iris[1:10,1:3]))
b = iris[1:10,1:3]
microbenchmark::microbenchmark(
apply(b, 1 , prod),
vapply(a, prod, 0),
sapply(a, prod) ,
apply(iris[1:10,1:3], 1 , prod),
vapply(data.frame(t(iris[1:10,1:3])), prod, 0),
sapply(data.frame(t(iris[1:10,1:3])), prod) ,
b %>% rowwise() %>%
summarise(p = prod(Sepal.Length,Sepal.Width,Petal.Length))
)

仔细看看如何使用t()