如何将spline()应用于大型数据帧

Question

我是R的新手，我正在尝试将smooth.spline()应用于大型数据帧。我已经研究了相关的线程(“对数据帧的每一行应用n个函数的列表"，”如何应用样条基矩阵“，等等)。以下是我的数据框架和我到目前为止尝试过的内容：

> dim(mUnique)  
[1] 4565    9  
> str(mUnique)  
'data.frame':   4565 obs. of  9 variables:  
 $ Group.1: Factor w/ 4565 levels "mal_mito_1","mal_mito_2",..: 1 2 3 4 5 6 7 8 9 10 ...  
 $ h0     : num  0.18 -0.025 0.212 0.015 0.12 ...  
 $ h6     : num  -0.04 -0.305 -0.188 -0.185 -0.09 ...  
 $ h12    : num  -0.86 -1.1 -1.01 -1.04 -0.91 ...  
 $ h18    : num  -0.73 -1.215 -1.222 -0.355 -0.65 ...  
 $ h24    : num  0.04 0.025 -0.143 0.295 0.09 ...  
 $ h30    : num  -0.14 1.275 0.732 -0.015 -0.27 ...  
 $ h36    : num  1.44 1.795 1.627 0.385 0.91 ...  
 $ h42    : num  1.49 1.385 1.397 0.305 1.12 ...  

> head(mUnique)  
          ID      h0      h6     h12     h18     h24     h30    h36    h42  
1      mal_mito_1  0.1800 -0.0400 -0.8600 -0.7300  0.0400 -0.1400 1.4400 1.4900  
2      mal_mito_2 -0.0250 -0.3050 -1.1050 -1.2150  0.0250  1.2750 1.7950 1.3850  
3      mal_mito_3  0.2125 -0.1875 -1.0075 -1.2225 -0.1425  0.7325 1.6275 1.3975  
4 mal_rna_10_rRNA  0.0150 -0.1850 -1.0450 -0.3550  0.2950 -0.0150 0.3850 0.3050  
5 mal_rna_11_rRNA  0.1200 -0.0900 -0.9100 -0.6500  0.0900 -0.2700 0.9100 1.1200  
6 mal_rna_14_rRNA  0.0200 -0.0200 -0.8400 -0.6600  0.1700 -0.0900 0.6200 0.0800 

我可以在每一行单独应用smooth.spline，到目前为止，使用spline()看起来很好(我想要48分。我将在稍后了解如何使用smoooth.spline spar完成此操作)：

> time <- c(0,6,12,18,24,30,36,42)  
> plot(time, mUnique[1, 2:9])  
> smooth <- smooth.spline(time, mUnique[1, 2:9])  
> lines(smooth, col="blue")  
> splin <-spline(time, mUnique[1, 2:9], n=48)  
> lines(splin, col="blue")  

我的问题是，我假设是基本的，但是我如何将smooth.spline()或spline()应用于整个数据帧，并返回一个矩阵4565 * 49，其中我有平滑样条的每个节点的坐标？我真的不关心绘制这些数据。

我试过了：

> smooth <- smooth.spline(time, mUnique[, 2:9]|factor(ID))

现在，我不知道该怎么办。这是一个循环的问题吗？

提前谢谢你

Answer 1

这就是你要找的吗？

time <- c(0,6,12,18,24,30,36,42)

t(
  apply(mUnique[-1],1,
    function(x){
      tmp <- smooth.spline(time,x)
      predict(tmp,seq(min(time),max(time),length.out=49))$y
    }
  )
)

它应该会给出你所描述的矩阵。

额外解释：

我删除了第一列(mUnique[-1])。这是列表的方法，你也可以做mUnique[,-1]，这是矩阵的等价物。这两种方法都适用于数据帧。

然后我告诉apply将函数应用到行上，这是第一个边距。

我定义的函数，

function(x){
        tmp <- smooth.spline(time,x)
        predict(tmp,seq(min(time),max(time),length.out=49))$y
    }

是两行代码：

• I计算光滑样条
• I计算一个由49个点组成的规则序列(seq(min(time),max(time),length.out=49))的预测，并取预测的y值。

此函数定义中的x是传递的参数。在本例中，它表示由apply函数传递的一行。

最后，我将转置矩阵(t)以将其转换为您要求的格式。

下面的测试用例可以很好地运行代码：

mUnique <- read.table(textConnection("
         ID      h0      h6     h12     h18     h24     h30    h36    h42
     mal_mito_1  0.1800 -0.0400 -0.8600 -0.7300  0.0400 -0.1400 1.4400 1.4900
     mal_mito_2 -0.0250 -0.3050 -1.1050 -1.2150  0.0250  1.2750 1.7950 1.3850
     mal_mito_3  0.2125 -0.1875 -1.0075 -1.2225 -0.1425  0.7325 1.6275 1.3975
mal_rna_10_rRNA  0.0150 -0.1850 -1.0450 -0.3550  0.2950 -0.0150 0.3850 0.3050
mal_rna_11_rRNA  0.1200 -0.0900 -0.9100 -0.6500  0.0900 -0.2700 0.9100 1.1200
mal_rna_14_rRNA  0.0200 -0.0200 -0.8400 -0.6600  0.1700 -0.0900 0.6200 0.0800 ")
,header=T)

time <- c(0,6,12,18,24,30,36,42)

确保在运行我的代码之前定义了time ...

Answer 2

使用object dat中的数据片段，我们可以做(我认为)您想要做的事情。首先，我们编写一个小包装函数，该函数通过smooth.spline()拟合平滑样条，然后预测该样条对一组n位置的响应。您要求提供n = 48，因此我们将使用它作为默认值。

下面是一个这样的包装器函数：

SSpline <- function(x, y, n = 48, ...) {
    ## fit the spline to x, and y
    mod <- smooth.spline(x, y, ...)
    ## predict from mod for n points over range of x
    pred.dat <- seq(from = min(x), to = max(x), length.out = n)
    ## predict
    preds <- predict(mod, x = pred.dat)
    ## return
    preds
}

我们检查您的数据的第一行是否有效：

> res <- SSpline(time, dat[1, 2:9])
> res
$x
 [1]  0.000000  0.893617  1.787234  2.680851  3.574468  4.468085  5.361702
 [8]  6.255319  7.148936  8.042553  8.936170  9.829787 10.723404 11.617021
[15] 12.510638 13.404255 14.297872 15.191489 16.085106 16.978723 17.872340
[22] 18.765957 19.659574 20.553191 21.446809 22.340426 23.234043 24.127660
[29] 25.021277 25.914894 26.808511 27.702128 28.595745 29.489362 30.382979
[36] 31.276596 32.170213 33.063830 33.957447 34.851064 35.744681 36.638298
[43] 37.531915 38.425532 39.319149 40.212766 41.106383 42.000000

$y
 [1]  0.052349585  0.001126837 -0.049851737 -0.100341294 -0.150096991
 [6] -0.198873984 -0.246427429 -0.292510695 -0.336721159 -0.378381377
[11] -0.416785932 -0.451229405 -0.481006377 -0.505411429 -0.523759816
[16] -0.535714043 -0.541224748 -0.540251293 -0.532753040 -0.518689349
[21] -0.498019582 -0.470750611 -0.437182514 -0.397727107 -0.352796426
[26] -0.302802508 -0.248157388 -0.189272880 -0.126447574 -0.059682959
[31]  0.011067616  0.085850805  0.164713260  0.247701633  0.334851537
[36]  0.425833795  0.519879613  0.616194020  0.713982047  0.812448724
[41]  0.910799082  1.008296769  1.104781306  1.200419068  1.295380186
[46]  1.389834788  1.483953003  1.577904960

> plot(time, dat[1, 2:9])
> lines(res, col = "blue")

这就给出了：

​

​

这似乎是可行的，所以现在我们可以对数据集应用该函数，只保留SSpline()返回的对象的$y组件。为此，我们使用apply()

> res2 <- apply(dat[, 2:9], 1,
+               function(y, x, ...) { SSpline(x, y, ...)$y },
+               x = time)
> head(res2)
                1           2           3           4           5           6
[1,]  0.052349585 -0.02500000  0.21250000 -0.06117869 -0.02153366 -0.02295792
[2,]  0.001126837 -0.04293509  0.17175460 -0.10994988 -0.06538250 -0.06191095
[3,] -0.049851737 -0.06407856  0.12846458 -0.15838412 -0.10899505 -0.10074427
[4,] -0.100341294 -0.09168227  0.08005550 -0.20614476 -0.15213426 -0.13933920
[5,] -0.150096991 -0.12899810  0.02395291 -0.25289514 -0.19456304 -0.17757705
[6,] -0.198873984 -0.17927793 -0.04241763 -0.29829862 -0.23604434 -0.21533911

现在res2包含48行和6列，这6列指的是这里使用的每一行dat。如果你想反其道而行之，只需转置res2：t(res2)即可。

我们可以通过一个简单的matplot()调用来查看所做的工作：

> matplot(x = seq(min(time), max(time), length = 48), 
+         y = res2, type = "l")

这会产生：

​

​