行列またはデータフレームのすべての行に関数を適用する

私が2行2列の行列と、引数の1つとして2ベクトルを使用する関数があるとします。関数を行列の各行に適用して、nベクトルを取得したいと思います。Rでこれを行う方法？

たとえば、3点の2D標準正規分布の密度を計算したいとします。

bivariate.density(x = c(0, 0), mu = c(0, 0), sigma = c(1, 1), rho = 0){
    exp(-1/(2*(1-rho^2))*(x[1]^2/sigma[1]^2+x[2]^2/sigma[2]^2-2*rho*x[1]*x[2]/(sigma[1]*sigma[2]))) * 1/(2*pi*sigma[1]*sigma[2]*sqrt(1-rho^2))
}

out <- rbind(c(1, 2), c(3, 4), c(5, 6))

関数を各行に適用する方法はout？

指定する方法で関数へのポイント以外の引数に値を渡す方法は？

あなたは単にapply()関数を使います：

R> M <- matrix(1:6, nrow=3, byrow=TRUE)
R> M
     [,1] [,2]
[1,]    1    2
[2,]    3    4
[3,]    5    6
R> apply(M, 1, function(x) 2*x[1]+x[2])
[1]  4 10 16
R> 

これは行列を取り、各行に（愚かな）関数を適用します。関数に追加の引数を4番目、5番目、...の引数としてに渡しますapply()。

場合は、あなたがそのような和として共通の機能を適用するかを意味したい、あなたが使うべきrowSumsかrowMeans、彼らはより速くしているので、apply(data, 1, sum)アプローチ。それ以外の場合は、に固執しapply(data, 1, fun)ます。FUN引数の後に追加の引数を渡すことができます（Dirkは既に示唆しています）。

set.seed(1)
m <- matrix(round(runif(20, 1, 5)), ncol=4)
diag(m) <- NA
m
     [,1] [,2] [,3] [,4]
[1,]   NA    5    2    3
[2,]    2   NA    2    4
[3,]    3    4   NA    5
[4,]    5    4    3   NA
[5,]    2    1    4    4

その後、次のようなことができます：

apply(m, 1, quantile, probs=c(.25,.5, .75), na.rm=TRUE)
    [,1] [,2] [,3] [,4] [,5]
25%  2.5    2  3.5  3.5 1.75
50%  3.0    2  4.0  4.0 3.00
75%  4.0    3  4.5  4.5 4.00

以下は、行列の各行に関数を適用する短い例です。（ここで、適用された関数はすべての行を1に正規化します。）

注：からの結果がapply()されなければならなかった転置使用してt()入力行列と同じレイアウトを取得しますA。

A <- matrix(c(
  0, 1, 1, 2,
  0, 0, 1, 3,
  0, 0, 1, 3
), nrow = 3, byrow = TRUE)

t(apply(A, 1, function(x) x / sum(x) ))

結果：

     [,1] [,2] [,3] [,4]
[1,]    0 0.25 0.25 0.50
[2,]    0 0.00 0.25 0.75
[3,]    0 0.00 0.25 0.75

最初のステップは、関数オブジェクトを作成し、それを適用することです。同じ行数の行列オブジェクトが必要な場合は、それを事前定義して、図のようにobject []形式を使用できます（そうしないと、戻り値はベクトルに簡略化されます）。

bvnormdens <- function(x=c(0,0),mu=c(0,0), sigma=c(1,1), rho=0){
     exp(-1/(2*(1-rho^2))*(x[1]^2/sigma[1]^2+
                           x[2]^2/sigma[2]^2-
                           2*rho*x[1]*x[2]/(sigma[1]*sigma[2]))) * 
     1/(2*pi*sigma[1]*sigma[2]*sqrt(1-rho^2))
     }
 out=rbind(c(1,2),c(3,4),c(5,6));

 bvout<-matrix(NA, ncol=1, nrow=3)
 bvout[] <-apply(out, 1, bvnormdens)
 bvout
             [,1]
[1,] 1.306423e-02
[2,] 5.931153e-07
[3,] 9.033134e-15

デフォルトのパラメータ以外を使用したい場合は、関数の後に名前付き引数を含める必要があります。

bvout[] <-apply(out, 1, FUN=bvnormdens, mu=c(-1,1), rho=0.6)

apply（）は、より高次元の配列でも使用でき、MARGIN引数は、単一の整数だけでなくベクトルでもかまいません。

Applyはうまく機能しますが、かなり遅いです。sapplyとvapplyを使用すると便利です。dplyrの行ごとの情報も役立ちます。データフレームの行ごとの結果をどのように生成するかの例を見てみましょう。

a = data.frame(t(iris[1:10,1:3]))
vapply(a, prod, 0)
sapply(a, prod)

vapply / sapply / applyを使用する前に変数に割り当てると、時間を大幅に削減できるため、良い方法です。マイクロベンチマークの結果を見てみましょう

a = data.frame(t(iris[1:10,1:3]))
b = iris[1:10,1:3]
microbenchmark::microbenchmark(
    apply(b, 1 , prod),
    vapply(a, prod, 0),
    sapply(a, prod) , 
    apply(iris[1:10,1:3], 1 , prod),
    vapply(data.frame(t(iris[1:10,1:3])), prod, 0),
    sapply(data.frame(t(iris[1:10,1:3])), prod) ,
    b %>%  rowwise() %>%
        summarise(p = prod(Sepal.Length,Sepal.Width,Petal.Length))
)

t（）の使用方法を注意深く確認してください

単一の値の代わりにデータセットの可変部分を使用したい場合の別のアプローチは、を使用することrollapply(data, width, FUN, ...)です。幅のベクトルを使用すると、データセットのさまざまなウィンドウに関数を適用できます。これを使用して、適応フィルタリングルーチンを構築しましたが、あまり効率的ではありません。