对于R数据框中的每一行

我有一个数据框，对于该数据框的每一行，我必须进行一些复杂的查找并将一些数据附加到文件中。

dataFrame包含用于生物学研究的96孔板中选定孔的科学结果，因此我想做以下事情：

for (well in dataFrame) {
  wellName <- well$name    # string like "H1"
  plateName <- well$plate  # string like "plate67"
  wellID <- getWellID(wellName, plateName)
  cat(paste(wellID, well$value1, well$value2, sep=","), file=outputFile)
}

在我的程序世界中，我会做类似的事情：

for (row in dataFrame) {
    #look up stuff using data from the row
    #write stuff to the file
}

这样做的“ R方式”是什么？

您可以尝试使用apply()功能

> d
  name plate value1 value2
1    A    P1      1    100
2    B    P2      2    200
3    C    P3      3    300

> f <- function(x, output) {
 wellName <- x[1]
 plateName <- x[2]
 wellID <- 1
 print(paste(wellID, x[3], x[4], sep=","))
 cat(paste(wellID, x[3], x[4], sep=","), file= output, append = T, fill = T)
}

> apply(d, 1, f, output = 'outputfile')

您可以使用以下by()功能：

by(dataFrame, 1:nrow(dataFrame), function(row) dostuff)

但是像这样直接在行上进行迭代很少是您想要的。您应该尝试向量化。我可以问一下循环中的实际工作吗？

首先，乔纳森关于向量化的观点是正确的。如果您的getWellID（）函数是矢量化的，则可以跳过循环，而只需使用cat或write.csv即可：

write.csv(data.frame(wellid=getWellID(well$name, well$plate), 
         value1=well$value1, value2=well$value2), file=outputFile)

如果没有对getWellID（）进行矢量化处理，则乔纳森（Jonathan）的推荐使用by或knguyen的建议apply应该起作用。

否则，如果您确实想使用for，则可以执行以下操作：

for(i in 1:nrow(dataFrame)) {
    row <- dataFrame[i,]
    # do stuff with row
}

您也可以尝试使用该foreach程序包，尽管它要求您熟悉该语法。这是一个简单的示例：

library(foreach)
d <- data.frame(x=1:10, y=rnorm(10))
s <- foreach(d=iter(d, by='row'), .combine=rbind) %dopar% d

最后一个选择是使用plyr包外的函数，在这种情况下，约定将与apply函数非常相似。

library(plyr)
ddply(dataFrame, .(x), function(x) { # do stuff })

我认为使用基本R的最佳方法是：

for( i in rownames(df) )
   print(df[i, "column1"])

相对于for( i in 1:nrow(df))-approach 的优点是，如果df为空和，则不会遇到麻烦nrow(df)=0。

我使用这个简单的实用程序功能：

rows = function(tab) lapply(
  seq_len(nrow(tab)),
  function(i) unclass(tab[i,,drop=F])
)

或更快速，不太清晰的形式：

rows = function(x) lapply(seq_len(nrow(x)), function(i) lapply(x,"[",i))

此函数只是将data.frame拆分为行列表。然后，您可以对该列表进行普通的“ for”操作：

tab = data.frame(x = 1:3, y=2:4, z=3:5)
for (A in rows(tab)) {
    print(A$x + A$y * A$z)
}        

问题中的代码将进行最小的修改即可工作：

for (well in rows(dataFrame)) {
  wellName <- well$name    # string like "H1"
  plateName <- well$plate  # string like "plate67"
  wellID <- getWellID(wellName, plateName)
  cat(paste(wellID, well$value1, well$value2, sep=","), file=outputFile)
}

我对非矢量化选项的时间性能感到好奇。为此，我使用了knguyen定义的函数f

f <- function(x, output) {
  wellName <- x[1]
  plateName <- x[2]
  wellID <- 1
  print(paste(wellID, x[3], x[4], sep=","))
  cat(paste(wellID, x[3], x[4], sep=","), file= output, append = T, fill = T)
}

还有一个数据框，如他的示例所示：

n = 100; #number of rows for the data frame
d <- data.frame( name = LETTERS[ sample.int( 25, n, replace=T ) ],
                  plate = paste0( "P", 1:n ),
                  value1 = 1:n,
                  value2 = (1:n)*10 )

为了比较cat（）方法和write.table（）方法，我包括了两个向量化函数（肯定比其他函数要快）。

library("ggplot2")
library( "microbenchmark" )
library( foreach )
library( iterators )

tm <- microbenchmark(S1 =
                       apply(d, 1, f, output = 'outputfile1'),
                     S2 = 
                       for(i in 1:nrow(d)) {
                         row <- d[i,]
                         # do stuff with row
                         f(row, 'outputfile2')
                       },
                     S3 = 
                       foreach(d1=iter(d, by='row'), .combine=rbind) %dopar% f(d1,"outputfile3"),
                     S4= {
                       print( paste(wellID=rep(1,n), d[,3], d[,4], sep=",") )
                       cat( paste(wellID=rep(1,n), d[,3], d[,4], sep=","), file= 'outputfile4', sep='\n',append=T, fill = F)                           
                     },
                     S5 = {
                       print( (paste(wellID=rep(1,n), d[,3], d[,4], sep=",")) )
                       write.table(data.frame(rep(1,n), d[,3], d[,4]), file='outputfile5', row.names=F, col.names=F, sep=",", append=T )
                     },
                     times=100L)
autoplot(tm)

生成的图像显示，apply对于非矢量化版本具有最佳性能，而write.table（）似乎胜过cat（）。

您可以为此使用by_row软件包中的函数purrrlyr：

myfn <- function(row) {
  #row is a tibble with one row, and the same 
  #number of columns as the original df
  #If you'd rather it be a list, you can use as.list(row)
}

purrrlyr::by_row(df, myfn)

默认情况下，来自的返回值myfn会放入名为的df中的新列表列中.out。

如果这是您想要的唯一输出，则可以编写 purrrlyr::by_row(df, myfn)$.out

好吧，由于您要求R等效于其他语言，因此我尝试这样做。尽管我还没有真正研究过哪种技术在R中更有效，但似乎可以使用。

> myDf <- head(iris)
> myDf
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa
2          4.9         3.0          1.4         0.2  setosa
3          4.7         3.2          1.3         0.2  setosa
4          4.6         3.1          1.5         0.2  setosa
5          5.0         3.6          1.4         0.2  setosa
6          5.4         3.9          1.7         0.4  setosa
> nRowsDf <- nrow(myDf)
> for(i in 1:nRowsDf){
+ print(myDf[i,4])
+ }
[1] 0.2
[1] 0.2
[1] 0.2
[1] 0.2
[1] 0.2
[1] 0.4

但是对于分类列，它将获取一个数据框，如果需要，可以使用as.character（）进行类型转换。