R:应用对do.call

Question

我刚刚读了@David的简介，发现了一些有用的技巧来培养良好的R-编程技能/习惯，其中一条特别让我印象深刻。我一直认为R中的应用函数是使用dataframes的基石，但他写道：

如果您正在使用data.frames，请忘记有一个名为apply的函数--不管您做什么--不要使用它。特别是在边距为1的情况下(这个函数的唯一好用法是对矩阵列进行操作-边距为2)。 一些很好的选择：?do.call，?pmax/pmin，?max.col，？rowSums/rowMeans/等，令人敬畏的matrixStats包(用于矩阵)，?rowsum等等。

有人能给我解释一下吗？为什么应用函数不受欢迎？

Answer 1

• apply(DF, 1, f)将每一行DF转换为向量，然后将该向量传递给f。如果DF是字符串和数字的混合，那么该行在传递给f之前将被转换为字符向量，这样即使行iris[i, -5]包含所有数字元素，apply(iris, 1, function(x) sum(x[-5]))也无法工作。行被转换为字符串，您不能对字符串进行求和。另一方面，apply(iris[-5], 1, sum)将与rowSums(iris[-5])一样工作。
• 如果f生成一个向量，则结果是一个矩阵，而不是另一个数据帧；而且，结果是您可能期望的结果的转换。这 申请(BOD，1，身份) 给出以下内容，而不是返回BOD： 、1、3、5次1.0 2.0 3 4 5.0 7.0需求8.3 10.3 19 16 许多年前，哈德利韦翰( Hadley Wickham )做了帖子 iapply，它是幂等的，意思是iapply(mat, 1, identity)返回mat，而不是t(mat) ( mat是矩阵)。最近，用他的plyr软件包，人们可以写： 图书馆(Plyr) ddplyr(BOD，1，标识) 并将BOD作为数据框架返回。

另一方面，apply(BOD, 1, sum)将给出与rowSums(BOD)和apply(BOD, 1, f)相同的结果，对于函数f可能有用，对于f生成标量，并且没有对应的结果，例如sum / rowSums情况。另外，如果f生成一个向量，并且您不介意矩阵结果，那么您可以自己转换apply的输出，尽管效果很差。

Answer 2

我认为作者的意思是，如果可以并且避免应用(因为原则上它是一个for循环并花费更长的时间)，那么您应该使用预构建/向量化函数(因为它更容易)：

library(microbenchmark)

d <- data.frame(a = rnorm(10, 10, 1),
                b = rnorm(10, 200, 1))

# bad - loop
microbenchmark(apply(d, 1, function(x) if (x[1] < x[2]) x[1] else x[2]))

# good - vectorized but same result
microbenchmark(pmin(d[[1]], d[[2]])) # use double brackets!

# edited:
# -------
# bad: lapply
microbenchmark(data.frame(lapply(d, round, 1)))

# good: do.call faster than lapply
microbenchmark(do.call("round", list(d, digits = 1)))

# --------------
# Unit: microseconds
#                                  expr     min    lq     mean  median      uq     max neval
# do.call("round", list(d, digits = 1)) 104.422 107.1 148.3419 134.767 184.524 332.009   100
#                            expr     min       lq     mean  median      uq      max neval
# data.frame(lapply(d, round, 1)) 235.619 243.2055 298.5042 252.353 276.004 1550.265   100
#
#                                  expr    min      lq    mean median       uq     max neval
# do.call("round", list(d, digits = 1)) 96.389 97.5055 113.075 98.175 105.5375 730.954   100
#                            expr     min       lq     mean  median      uq      max neval
# data.frame(lapply(d, round, 1)) 235.619 243.2055 298.5042 252.353 276.004 1550.265   100

Answer 3

它与R存储矩阵和数据帧的方式有关。您可能知道，data.frame是向量的list，也就是说，data.frame中的每一列都是向量。作为一种矢量化语言，最好是对向量进行操作，这就是为什么apply的边距为2被拒绝的原因:这样做，您将不会在向量上工作，而是在每次迭代中跨越不同的向量。

据我所知，使用带边距1的apply与使用do.call没有太大的不同。虽然后者可能允许一些更多的使用灵活性。

*这些信息应该在手册的某个地方。