Приложете функция към всеки ред от матрица или рамка от данни

Просто използвате функцията apply():

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> 

Това взема матрица и прилага (глупава) функция към всеки ред. Подавате допълнителни аргументи към функцията като четвърти, пети, ... аргументи към apply().

В случай, че искате да приложите общи функции като сума или средна стойност, трябва да използвате rowSums или rowMeans, тъй като те са по-бързи от подхода apply(data, 1, sum). В противен случай се придържайте към apply(data, 1, fun). Можете да подадете допълнителни аргументи след аргумента FUN (както Dirk вече предложи):

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

След това можете да направите нещо подобно:

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

Ето кратък пример за прилагане на функция към всеки ред от матрица. (Тук приложената функция нормализира всеки ред до 1.)

Забележка: Резултатът от apply() трябваше да бъде транспониран с помощта на t(), за да се получи същото оформление като входната матрица 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) ))

Резултат:

     [,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

Първата стъпка би била създаването на функционален обект, след което прилагането му. Ако искате матричен обект, който има същия брой редове, можете да го дефинирате предварително и да използвате формата object[], както е илюстрирано (в противен случай върнатата стойност ще бъде опростена до вектор):

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

Ако искате да използвате различни от вашите параметри по подразбиране, тогава извикването трябва да включва именувани аргументи след функцията:

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

apply() може да се използва и върху по-високомерни масиви и аргументът MARGIN може да бъде вектор, както и едно цяло число.

Приложението върши добре работата, но е доста бавно. Използването на sapply и vaply може да бъде полезно. rowwise на dplyr също може да бъде полезен. Нека да видим пример за това как да направите произведение по редове на всеки кадър с данни.

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

Имайте предвид, че присвояването на променлива преди използването на vaply/sapply/ apply е добра практика, тъй като намалява много времето. Нека да видим резултатите от микробенчмарка

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))
)

Погледнете внимателно как се използва t().

Друг подход, ако искате да използвате различна част от набора от данни вместо една стойност, е да използвате rollapply(data, width, FUN, ...). Използването на вектор от ширини ви позволява да приложите функция върху различен прозорец на набора от данни. Използвах това, за да изградя адаптивна рутина за филтриране, въпреки че не е много ефективна.