如何使用tidyverse应用功能列表并为每个应用功能获取一列

如何解决如何使用tidyverse应用功能列表并为每个应用功能获取一列

我试图将多个函数应用于数据集中的每一列，并为计算出的每个函数取回一列，然后这些行将对应于计算在哪一列上。因此，在下面的代码中，有3个ID。然后，我在每个函数上计算三个函数，因此最终数据帧将具有3行和3列。现在，这些行对应于在其上计算函数的ID，而列与所计算的值相对应。我对其他解决方案持开放态度，但希望使用tidyverse解决方案，因为我需要将其泛化为许多功能并保持快速。

预期输出在end.data

data <- data.frame(id1 = 1:10,id2 = 1:10,id3 = 1:10)
data

end.data <- data.frame(innprod = c(385,385,385),identity = c(55,55,55),range = c(9,9,9))
end.data

我尝试将所有计算进行组合并汇总，但是计算将在各自的列中返回。

data <- data.frame(id1 = 1:10,id3 = 1:10)
map.fun <- list(
  innprod = ~ t(.x)%*%.x,identity = ~ sum(.x),range = ~ max(.x) - min(.x)
)
feat_m <-      data %>%  summarise(across(where(is.numeric),map.fun))
feat_m

解决方法

您为map.fun设计的函数返回一个inprod的矩阵，我们首先需要将其转换为向量，就像其余元素一样。

map.fun <- list(
  innprod = ~ c(t(.x)%*%.x),identity = ~ sum(.x),range = ~ max(.x) - min(.x)
)

执行此操作后，可以使用summarise + across将函数应用于每个数字列。如果要将每个值都放在单独的列中，则可以对带有pivot_longer参数的汇总数据使用names_sep。

library(dplyr)

data %>%  
  summarise(across(where(is.numeric),map.fun)) %>%
  tidyr::pivot_longer(cols = where(is.numeric),names_to = c('id','.value'),names_sep = '_') 

#   id    innprod identity range
#  <chr>   <dbl>    <int> <int>
#1 id1       385       55     9
#2 id2       385       55     9
#3 id3       385       55     9

,

我们可以将其整形为'long'格式，然后作为函数应用

#include<stdio.h>
#include "mymalloc.h"

int main(){
 
 int *p=(int*)MyMalloc(100*sizeof(int));
 char *q=(char*)MyMalloc(250*sizeof(char));
 int *r=(int*)MyMalloc(1000*sizeof(int));
 MyFree(p);
 char *w=(char*)MyMalloc(700);
 MyFree(r);
 int *k=(int*)MyMalloc(500*sizeof(int));
 printf("Allocation and deallocation is done successfully!");
}

-输出

library(dplyr)
library(tidyr)
map.fun <- function(.x) list(
  innprod =  as.numeric(t(.x)%*%.x),identity =  sum(.x),range =  max(.x) - min(.x)
)

data %>% 
       select(where(is.numeric)) %>% 
       pivot_longer(everything()) %>% 
       group_by(name) %>% 
       summarise(value = list(map.fun(value)),.groups = 'drop') %>% 
       unnest_wider(c(value))

,

Base R替代方案，本质上是一个隐藏的双循环。仍可根据要求对许多功能进行概括：

funs <-  c(
  innprod  = function(x) c(t(x) %*% x),identity = sum,range    = function(x) diff(range(x))
)
sapply(funs,function(f) sapply(data,function(d) f(d)) )

#    innprod identity range
#id1     385       55     9
#id2     385       55     9
#id3     385       55     9