在应用中的函数中循环

Question

我有这样的数据：

df <- data.frame(A=1:10, B=3, C=17)

我想对dataframe的每一行应用一个函数，它迭代地根据行的值计算一个值。我使用的原始数据和函数要复杂得多，但是这里的结构和问题是相同的。

例如，我使用以下函数迭代计算A的平方根：

fun_iter <- function(df_input, diff=10){
              sqrt_iter <- df_input["A"]
              while(diff>0.01) {
               sqrt_iter_new <- (sqrt_iter + df_input["A"] / sqrt_iter) / 2  # approximate the square-root
               diff <- abs(sqrt_iter - sqrt_iter_new)  # difference between the iteration steps
               sqrt_iter <- sqrt_iter_new  # overwrite old value with new iteration
             }
             sqrt_iter[[1]]
             }

然后，我可以通过以下方法获得一行的计算值：

fun_iter(df[3, ])

它正确地返回3的平方根。此外，我可以使用如下的for循环循环数据帧：

for (i in 1:nrow(df)) {
  print(fun_iter(df[i, ]))
}

它给出了列"A“中所有值的平方根。但是，由于我有相当大的数据格式，所以我希望使用"apply“或"map”或类似的高效方法来获得输出，但它总是返回以下错误：

apply(df, 2, fun_iter)

Error in while (diff > 0.01) { : Missing Value, where TRUE/FALSE is needed

因此，不知何故，apply似乎在计算函数中的"while“条件时遇到了问题。"map“、"mapply”、"do.call“也是如此。任何解决这个问题的提示都是非常感谢的。

Answer 1

根据注释中的说明，我们可以使用其中之一迭代行。对于那些有名字的解决方案，如果不想要的话，可以在结果上使用unname。

# 1
nr <- nrow(df)
sapply(1:nr, function(i) fun_iter(df[i, ]))
##  [1] 1.000000 1.414216 1.732051 2.000000 2.236069 2.449494 2.645767 2.828427
##  [9] 3.000000 3.162278

# 2
do.call("c", by(df, 1:nr, fun_iter, simplify = FALSE))
##        1        2        3        4        5        6        7        8 
## 1.000000 1.414216 1.732051 2.000000 2.236069 2.449494 2.645767 2.828427 
##        9       10 
## 3.000000 3.162278 

# 3
sapply(split(df, 1:nr), fun_iter)
##        1        2        3        4        5        6        7        8 
## 1.000000 1.414216 1.732051 2.000000 2.236069 2.449494 2.645767 2.828427 
##        9       10 
## 3.000000 3.162278 

如果我们确信df中只有数字值，那么我们可以像这样使用apply。

# 4
apply(df, 1, fun_iter)
##  [1] 1.000000 1.414216 1.732051 2.000000 2.236069 2.449494 2.645767 2.828427
##  [9] 3.000000 3.162278

在CRAN上也有许多列表理解包(全面、eList、listcompr)。例如,

# 5
library(listcompr)
gen.vector(fun_iter(df[i, ]), i = 1:nr)
## [1] 1.000000 1.414216 1.732051 2.000000 2.236069 2.449494 2.645767 2.828427
## [9] 3.000000 3.162278

# 6
library(comprehenr)
to_vec(for(i in 1:nr) fun_iter(df[i, ]))
## [1] 1.000000 1.414216 1.732051 2.000000 2.236069 2.449494 2.645767 2.828427
## [9] 3.000000 3.162278

年长的

我们遵循问题下面的注释，但我们只传递df["A"]，因为apply将强制输入到一个简单的向量，如果任何列都是，这可能导致行成为字符。通过使用df["A"]，我们可以避免这种情况。

apply(df["A"], 1, fun_iter)
##  [1] 1.000000 1.414216 1.732051 2.000000 2.236069 2.449494 2.645767 2.828427
##  [9] 3.000000 3.162278

如果函数是为了接受A而不是df而编写的，那么它会更容易，并且使它更加通用，因为该列不需要命名为A，而且它还避免了上面讨论的问题。我们保留了原名，但您可以考虑使用较短的名称。函数中使用的过于冗长的命名几乎没有增加什么，而且实际上掩盖了代码。

fun_iter2 <- function(A, diff = 10) {
  sqrt_iter <- A
  while(diff > 0.01) {
      sqrt_iter_new <- (sqrt_iter + A / sqrt_iter) / 2
      diff <- abs(sqrt_iter - sqrt_iter_new)
      sqrt_iter <- sqrt_iter_new
  }
  sqrt_iter
}
sapply(df$A, fun_iter2)
## [1] 1.000000 1.414216 1.732051 2.000000 2.236069 2.449494 2.645767 2.828427
## [9] 3.000000 3.162278