R中的“自然”程序问题的高效函数编程使用mapply

如何解决R中的“自然”程序问题的高效函数编程使用mapply

| R中的一个常见用例（至少对我而言）是识别数据帧中的观测值，这些观测值具有某些特征，该特征取决于其他观测值的某些子集中的值。 为了使自己更加自信，假设我有一些工人（由WorkerId索引） 具有关联的“迭代”：

    raw <- data.frame(WorkerId=c(1,1,2,3,3),Iteration = c(1,4,4))

并且我最终希望为每个工作者分配数据帧以排除“最后一次”迭代（通过创建“删除”布尔值）。我可以编写一个函数来做到这一点：

raw$remove <- mapply(function(wid,iter){
                              iter==max(raw$Iteration[raw$WorkerId==wid])},raw$WorkerId,raw$Iteration)

> raw$remove
  [1] FALSE FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE

但这随着数据帧变大而变得非常慢（大概是因为我不必要地为每个观察值计算最大值）。 我的问题是，在函数式编程风格中，这样做的更有效（惯用）方式是什么？它是先创建一个WorkerId to Max值字典，然后将其用作对每个观察值进行操作的另一个函数中的参数吗？     

解决方法

        IMO的“最自然的方式”是split-lapply-rbind方法。首先，将split（）放入一组列表中，然后对处理规则进行lapply（）处理（在这种情况下，删除最后一行），然后将它们重新绑定在一起。作为嵌套的一组函数调用，它们都是可行的。内部的两个步骤在此处说明，最后的一线显示在底部：

> lapply( split(raw,raw$WorkerId),function(x) x[-NROW(x),] )
$`1`
  WorkerId Iteration
1        1         1
2        1         2
3        1         3

$`2`
  WorkerId Iteration
5        2         1
6        2         2
7        2         3

$`3`
   WorkerId Iteration
9         3         1
10        3         2
11        3         3

do.call(rbind,lapply( split(raw,] ) ) 

Hadley Wickham开发了各种各样的工具（

plyr

软件包），可以将这一策略扩展到更多任务。     ,        对于提出的

!rev(duplicated(rev(raw$WorkerId)))

或更佳的具体问题，按照查尔斯的建议，5ѭ     ,        这种情况是为使用

plyr

软件包量身定制的。

ddply(raw,.(WorkerId),function(df) df[-NROW(df),])

它产生输出

WorkerId Iteration
1        1         1
2        1         2
3        1         3
4        2         1
5        2         2
6        2         3
7        3         1
8        3         2
9        3         3

    ,        

subset(raw,Iteration != ave(Iteration,WorkerId,FUN=max))

    ,        

remove <- with(raw,as.logical(ave(Iteration,FUN=function(x) c(rep(TRUE,length(x)-1),FALSE)))))