For-Loop的Purrr实现

Question

我正在尝试在R中开发逻辑回归模型。我正在尝试循环遍历数据框(或tibble)的行，以便可以将该行中的列的子集乘以另一个向量作为点积。

我最初试图使用purrr的向量函数完成一些准备工作，但遇到了困难，决定在for循环中实现它。

这是我使用For-Loop的工作设计：

library(tidyverse)

# Define necessary functions
 lambdaFunc <- function(factors,theta){
 return((1+exp(sum(factors*theta)))^(-1))
}

# y is 0 or 1
# x and theta are a numeric vectors
indiv_likhd <- function(y,x,theta){
 return(lambdaFunc(x,theta)^y*(1-lambdaFunc(x,theta))^(1-y))
}

# Assuming df is dataframe of the form
# Col1                Col2      ...     ColN
# isDefault(0 or 1)   factor1   ...     factorN
likhds <- function(df,theta){
 df <- as.data.frame(df)
 likhds <- vector("numeric",nrow(df))
 for (i in 1:nrow(df)) {
   likhds[i] <- indiv_likhd(df[i,1],df[i,2:ncol(df)],theta)
 }
 return(likhds)
}

所以

testdf <- tibble(y=c(1,0),x_1=c(1,1),x_2=c(1,1),x_3=c(1,1))
testTheta <- c(1,1,1)
likhds(testdf,testTheta)

收益率

[1] 0.04742587 0.95257413

有没有办法用向量函数来实现这一点--特别是purr包？这是我关于stackoverflow的第一个真正的问题，所以如果有什么遗漏或不清楚的地方，我道歉，在这种情况下，请让我知道。

谢谢。

Answer 1

在不更改lambdaFunc和indiv_likhd的情况下，我们可以用pmap重写for循环

library(dplyr)
library(purrr)

testdf %>%
   mutate(new_col = pmap_dbl(., ~indiv_likhd(c(...)[1], c(...)[-1], testTheta)))

#      y   x_1   x_2   x_3 new_col
#  <dbl> <dbl> <dbl> <dbl>   <dbl>
#1     1     1     1     1  0.0474
#2     0     1     1     1  0.953 

c(...)用于捕获传递给pmap的所有值(这里是整行)，因此c(...)[1]表示该行中的第一个值，c(...)[-1]表示该行中除第一个值之外的所有值。

Answer 2

这里有一个选项

f <- function(df, theta) {
    df %>%
        group_by(y) %>%
        nest() %>%
        mutate(likhds = map2_dbl(y, data, function(y, x) indiv_likhd(y, x, theta))) %>%
        pull(likhds)
}
f(testdf, testTheta)
#[1] 0.04742587 0.95257413

说明:我们通过y来nest数据，然后使用map2_dbl遍历每一行的y和data对(这是您的x值)，并将indiv_likhd的输出作为double向量返回。