Aplicar una función a cada fila de una matriz o un marco de datos

Supongamos que tengo una matriz by 2 y una función que toma un vector 2 como uno de sus argumentos. Me gustaría aplicar la función a cada fila de la matriz y obtener un n-vector. ¿Cómo hacer esto en R?

Por ejemplo, me gustaría calcular la densidad de una distribución Normal estándar 2D en tres puntos:

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))

¿Cómo aplicar la función a cada fila de out?

¿Cómo pasar valores para los otros argumentos además de los puntos a la función en la forma que especifique?

Simplemente usa la apply()función:

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> 

Esto toma una matriz y aplica una función (tonta) a cada fila. Pasa argumentos adicionales a la función como cuarto, quinto, ... argumentos a apply().

En caso de que quiera aplicar funciones comunes, tales como suma o media, se debe utilizar rowSumso rowMeansya que son más rápido que el apply(data, 1, sum)enfoque. De lo contrario, quédate con apply(data, 1, fun). Puede pasar argumentos adicionales después del argumento FUN (como Dirk ya sugirió):

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

Entonces puedes hacer algo como esto:

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

Aquí hay un breve ejemplo de cómo aplicar una función a cada fila de una matriz. (Aquí, la función aplicada normaliza cada fila a 1.)

Nota: El resultado de la apply()tuvo que ser transpuesta utilizando t()para obtener el mismo diseño que la matriz de entrada 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) ))

Resultado:

     [,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

El primer paso sería hacer que la función sea objeto, luego aplicarla. Si desea un objeto de matriz que tenga el mismo número de filas, puede predefinirlo y usar el formulario object [] como se ilustra (de lo contrario, el valor devuelto se simplificará a un vector):

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

Si desea utilizar otros parámetros distintos a los predeterminados, la llamada debe incluir argumentos con nombre después de la función:

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

apply () también se puede usar en matrices de dimensiones superiores y el argumento MARGIN puede ser un vector y un solo entero.

Aplicar funciona bien, pero es bastante lento. Usar sapply y vapply podría ser útil. El rowwise de dplyr también podría ser útil Veamos un ejemplo de cómo hacer un producto de fila de cualquier marco de datos.

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

Tenga en cuenta que asignar a variable antes de usar vapply / sapply / apply es una buena práctica ya que reduce mucho el tiempo. Veamos resultados de microbenchmark

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))
)

Observe detenidamente cómo se usa t ()

Otro enfoque si desea usar una porción variable del conjunto de datos en lugar de un solo valor es usar rollapply(data, width, FUN, ...). El uso de un vector de anchos le permite aplicar una función en una ventana variable del conjunto de datos. He usado esto para construir una rutina de filtrado adaptativo, aunque no es muy eficiente.