webdevqa.jp.net

Rデータフレームの各行に対して

データフレームがあり、そのデータフレームの各行に対して、複雑な検索を実行し、ファイルにデータを追加する必要があります。

DataFrameには、生物学的研究で使用される96ウェルプレートから選択したウェルの科学的結果が含まれているため、次のようなことをしたいと思います。

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)
}

私の手続きの世界では、次のようなことをします。

for (row in dataFrame) {
    #look up stuff using data from the row
    #write stuff to the file
}

これを行う「R方法」とは何ですか?

157

apply() functionを使用して、これを試すことができます

> 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')
99
knguyen

by() 関数を使用できます:

by(dataFrame, 1:nrow(dataFrame), function(row) dostuff)

ただし、このように直接行を反復処理することはほとんどありません。代わりにベクトル化を試みる必要があります。ループ内の実際の作業が何をしているのか尋ねることはできますか?

110
Jonathan Chang

まず、ベクトル化に関するジョナサンのポイントは正しいです。 getWellID()関数がベクトル化されている場合、ループをスキップしてcatまたはwrite.csvを使用できます。

write.csv(data.frame(wellid=getWellID(well$name, well$plate), 
         value1=well$value1, value2=well$value2), file=outputFile)

GetWellID()がベクトル化されていない場合、byを使用するというJonathanの推奨、またはapplyに対するknguyenの推奨は機能するはずです。

それ以外の場合、forを本当に使用したい場合は、次のようなことができます。

for(i in 1:nrow(dataFrame)) {
    row <- dataFrame[i,]
    # do stuff with row
}

foreachパッケージを使用することもできますが、その構文に慣れる必要があります。以下に簡単な例を示します。

library(foreach)
d <- data.frame(x=1:10, y=rnorm(10))
s <- foreach(d=iter(d, by='row'), .combine=rbind) %dopar% d

最後のオプションは、plyrパッケージの関数を使用することです。この場合、規則は適用関数に非常に似ています。

library(plyr)
ddply(dataFrame, .(x), function(x) { # do stuff })
81
Shane

この単純なユーティリティ関数を使用します。

rows = function(tab) lapply(
  seq_len(nrow(tab)),
  function(i) unclass(tab[i,,drop=F])
)

または、より速く、あまり明確でないフォーム:

rows = function(x) lapply(seq_len(nrow(x)), function(i) lapply(x,"[",i))

この関数は、data.frameを行のリストに分割するだけです。次に、このリストに通常の「for」を作成できます。

tab = data.frame(x = 1:3, y=2:4, z=3:5)
for (A in rows(tab)) {
    print(A$x + A$y * A$z)
}        

質問のコードは最小限の修正で機能します:

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)
}
17

基本的なRでこれを行う最良の方法は次のとおりです。

for( i in rownames(df) )
   print(df[i, "column1"])

For(i in 1:nrow(df))-approachに対する利点は、dfが空でnrow(df)= 0の場合に問題にならないことです。

12
Julian

ベクトル化されていないオプションの時間パフォーマンスに興味がありました。この目的のために、私はknguyenによって定義された関数fを使用しました

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)
}

そして、彼の例のようなデータフレーム:

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 )

Cat()アプローチとwrite.table()アプローチを比較するために、2つのベクトル化された関数(他の関数よりも確実に高速です)を含めました...

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)

結果のイメージは、applyがベクトル化されていないバージョンで最高のパフォーマンスを提供するのに対し、write.table()はcat()を上回るように見えることを示しています。 ForEachRunningTime

8
Ferran E

これには、パッケージpurrrlyrby_row関数を使用できます。

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)

デフォルトでは、myfnからの戻り値は、.outというdfの新しい リスト列 に入れられます。

これがあなたが望む唯一の出力であるなら、あなたはpurrrlyr::by_row(df, myfn)$.outを書くことができます

4
RobinL

さて、あなたは他の言語と同等のRを要求したので、私はこれをしようとしました。 Rではどの手法がより効率的であるかを実際に見ていませんが、動作しているようです。

> 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

ただし、カテゴリ列の場合は、必要に応じてas.character()を使用して型キャストできるデータフレームを取得します。

3
Amogh Borkar