我有一个数据框，对于每一行数据，我需要进行一些复杂的查找并将一些数据追加到文件中。
这个数据框包含了生物研究中使用的96孔板中选择井的科学结果，所以我想做以下操作：
for (well in dataFrame) {
wellName <- well$name # string like "H1"
plateName <- well$plate # string like "plate67"
wellID <- getWellID(wellName, plateName)
cat(paste(wellID, well$value1, well$value2, sep=","), file=outputFile)
}
for (row in dataFrame) {
#look up stuff using data from the row
#write stuff to the file
}
如何用“R语言方式”来完成这个问题？
by() 函数：by(dataFrame, seq_len(nrow(dataFrame)), function(row) dostuff)
但是直接遍历行通常不是你想要的；你应该尝试向量化。我可以问一下循环中实际的工作是什么吗？
1:0不是空的。 - sdsdostuff更改为str(row)。您将在控制台中看到多行打印，以“'data.frame'：1 obs of x variables.”开头。但要小心，将dostuff更改为row不会将数据框对象作为整个外部函数返回。而是返回一个包含一个行数据框的列表。 - pwilcoxsds和Jim指出的问题。 - Ken Williamsapply()函数进行操作。> d
name plate value1 value2
1 A P1 1 100
2 B P2 2 200
3 C P3 3 300
> f <- function(x, output) {
wellName <- x[1]
plateName <- x[2]
wellID <- 1
print(paste(wellID, x[3], x[4], sep=","))
cat(paste(wellID, x[3], x[4], sep=","), file= output, append = T, fill = T)
}
> apply(d, 1, f, output = 'outputfile')
x) 是一个向量。这就是为什么上面的例子必须使用数字索引；使用 by() 方法可以得到数据框，使您的代码更加健壮。 - Darren CookwellName <- x[1]也可以写作wellName <- x["name"]。 - founddrama首先，Jonathan关于向量化的观点是正确的。如果您的getWellID()函数已经向量化了，那么您可以跳过循环，只需使用cat或write.csv：
write.csv(data.frame(wellid=getWellID(well$name, well$plate),
value1=well$value1, value2=well$value2), file=outputFile)
for(i in 1:nrow(dataFrame)) {
row <- dataFrame[i,]
# do stuff with row
}
你也可以尝试使用foreach包，不过需要你熟悉这种语法。这里是一个简单的例子：
library(foreach)
d <- data.frame(x=1:10, y=rnorm(10))
s <- foreach(d=iter(d, by='row'), .combine=rbind) %dopar% d
最后一个选择是使用plyr包中的函数，此时惯例与apply函数非常相似。
library(plyr)
ddply(dataFrame, .(x), function(x) { # do stuff })
mapply(getWellId, well$name, well$plate)替换getWellId。 - Jonathan Changforeach - 我会大量使用它。 - Josh Bode我认为使用基本的 R 来完成这个任务是最好的方法：
for( i in rownames(df) )
print(df[i, "column1"])
与for( i in 1:nrow(df))方法相比，优势在于如果df为空且nrow(df)=0，您不会遇到问题。
我使用这个简单的实用函数：
rows = function(tab) lapply(
seq_len(nrow(tab)),
function(i) unclass(tab[i,,drop=F])
)
或者是一种更快、不那么清晰的形式：
rows = function(x) lapply(seq_len(nrow(x)), function(i) lapply(x,"[",i))
这个函数仅将数据框拆分为一行的列表。然后您可以对此列表进行普通的“for”循环：
tab = data.frame(x = 1:3, y=2:4, z=3:5)
for (A in rows(tab)) {
print(A$x + A$y * A$z)
}
你在问题中提供的代码只需要进行微小修改即可正常工作：
for (well in rows(dataFrame)) {
wellName <- well$name # string like "H1"
plateName <- well$plate # string like "plate67"
wellID <- getWellID(wellName, plateName)
cat(paste(wellID, well$value1, well$value2, sep=","), file=outputFile)
}
lapply 迭代整个数据集 x 的列，将每一列命名为 c，然后从该列向量中提取第 i 个条目。这样正确吗？ - Aaron McDaidwellName <- as.character(well$name)。 - Steve Pitchers我对非向量化选项的时间性能很好奇。为此，我使用了由knguyen定义的函数f。
f <- function(x, output) {
wellName <- x[1]
plateName <- x[2]
wellID <- 1
print(paste(wellID, x[3], x[4], sep=","))
cat(paste(wellID, x[3], x[4], sep=","), file= output, append = T, fill = T)
}
并且有一个类似于他示例中的数据框：
n = 100; #number of rows for the data frame
d <- data.frame( name = LETTERS[ sample.int( 25, n, replace=T ) ],
plate = paste0( "P", 1:n ),
value1 = 1:n,
value2 = (1:n)*10 )
我包含了两个向量化函数（肯定比其他方法更快），以便比较cat()方法和write.table()方法...
library("ggplot2")
library( "microbenchmark" )
library( foreach )
library( iterators )
tm <- microbenchmark(S1 =
apply(d, 1, f, output = 'outputfile1'),
S2 =
for(i in 1:nrow(d)) {
row <- d[i,]
# do stuff with row
f(row, 'outputfile2')
},
S3 =
foreach(d1=iter(d, by='row'), .combine=rbind) %dopar% f(d1,"outputfile3"),
S4= {
print( paste(wellID=rep(1,n), d[,3], d[,4], sep=",") )
cat( paste(wellID=rep(1,n), d[,3], d[,4], sep=","), file= 'outputfile4', sep='\n',append=T, fill = F)
},
S5 = {
print( (paste(wellID=rep(1,n), d[,3], d[,4], sep=",")) )
write.table(data.frame(rep(1,n), d[,3], d[,4]), file='outputfile5', row.names=F, col.names=F, sep=",", append=T )
},
times=100L)
autoplot(tm)
得到的图像显示，对于非向量化版本，apply提供了最佳性能，而write.table()似乎优于cat()。
purrrlyr包中的by_row函数来实现此功能：myfn <- function(row) {
#row is a tibble with one row, and the same
#number of columns as the original df
#If you'd rather it be a list, you can use as.list(row)
}
purrrlyr::by_row(df, myfn)
默认情况下，来自myfn的返回值被放入df中称为.out的新列表列.
如果这是您想要的唯一输出，则可以编写purrrlyr::by_row(df, myfn)$.out。
好的，既然您要求将R语言与其他语言进行比较，我试着完成了这个任务。似乎可以工作，但我没有仔细研究在R中哪种技术更有效。
> myDf <- head(iris)
> myDf
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
3 4.7 3.2 1.3 0.2 setosa
4 4.6 3.1 1.5 0.2 setosa
5 5.0 3.6 1.4 0.2 setosa
6 5.4 3.9 1.7 0.4 setosa
> nRowsDf <- nrow(myDf)
> for(i in 1:nRowsDf){
+ print(myDf[i,4])
+ }
[1] 0.2
[1] 0.2
[1] 0.2
[1] 0.2
[1] 0.2
[1] 0.4
对于分类列，它将为您提取一个数据框，如果需要，您可以使用as.character()进行类型转换。
你可以为列表对象做一些事情，
data("mtcars")
rownames(mtcars)
data <- list(mtcars ,mtcars, mtcars, mtcars);data
out1 <- NULL
for(i in seq_along(data)) {
out1[[i]] <- data[[i]][rownames(data[[i]]) != "Volvo 142E", ] }
out1
或者一个数据框架，
data("mtcars")
df <- mtcars
out1 <- NULL
for(i in 1:nrow(df)) {
row <- rownames(df[i,])
# do stuff with row
out1 <- df[rownames(df) != "Volvo 142E",]
}
out1