R：你如何总结 Data.Tree 中叶子和节点的数据？

Posted 2023-02-16

【中文标题】R：你如何总结 Data.Tree 中叶子和节点的数据？

【英文标题】：R: How do you summarize data for both leafs and nodes in Data.Tree?

【发布时间】：2018-02-17 04:52:15

【问题描述】：

我正在使用 data.tree 结构来汇总文件夹中的各种信息。在每个文件夹中我有许多文件（Value），我需要为每个文件夹做的就是总结文件夹+所有子文件夹包含多少个文件。

示例数据：

library(data.tree)
data <- data.frame(pathString = c("MainFolder",
                                  "MainFolder/Folder1",
                                  "MainFolder/Folder2",
                                  "MainFolder/Folder3",
                                  "MainFolder/Folder1/Subfolder1",
                                  "MainFolder/Folder1/Subfolder2"),
                   Value = c(1,1,5,2,4,10))
tree <- as.Node(data, Value)
print(tree, "Value")
               levelName Value
1 MainFolder             1
2  ¦--Folder1            1
3  ¦   ¦--Subfolder1     4
4  ¦   °--Subfolder2    10
5  ¦--Folder2            5
6  °--Folder3            2

我目前对这个问题的解决方案非常缓慢：

# Function to sum up file counts pr folder + subfolders
total_count <- function(node) 
  results <- sum(as.data.frame(print(node, "Value"))$Value)
  return(results)


# Summing up file counts pr folder + subfolders
tree$Do(function(node) node$Value_by_folder <- total_count(node))


# Results
print(tree, "Value", "Value_by_folder")
           levelName Value Value_by_folder
1 MainFolder             1              23
2  ¦--Folder1            1              15
3  ¦   ¦--Subfolder1     4               4
4  ¦   °--Subfolder2    10              10
5  ¦--Folder2            5               5
6  °--Folder3            2               2

您对如何更有效地执行此操作有什么建议吗？我一直在尝试构建一个递归方法，并在节点上使用函数“isLeaf”和“children”，但未能使其工作。

【参考方案1】：

这是一种有效的方法。它使用 data.tree API 并将值存储在树中：

MyAggregate <- function(node) 
  if (node$isLeaf) return (node$Value)
  sum(Get(node$children, "Value_by_folder")) + node$Value


tree$Do(function(node) node$Value_by_folder <- MyAggregate(node), traversal = "post-order")

【讨论】：

谢谢，我今天将测试两个答案。这个看起来最干净，但它不是 return(sum(Get(node$children, "Value_by_folder")) + node$Value) 有什么原因吗？

不，是一样的。 R 函数总是返回最后一个值。

@EsbenEickhardt 不确定您对清洁器的定义，但我认为这应该更慢。您能告诉我们在您的更大数据集上进行基准测试的结果吗？

@F.Privé 啊，对不起，我说得更清楚了，这个解决方案使用了 data.tree 包中的函数，而不是 R 基础函数。 'force' 和 '

@EsbenEickhardt 在您感兴趣的部分（我的编辑）中，我不使用任何这些。

【参考方案2】：

你可以这样做：

get_value_by_folder <- function(tree) 

  res <- rep(NA_real_, tree$totalCount)

  i <- 0
  myApply <- function(node) 
    i <<- i + 1
    force(k <- i)
    res[k] <<- node$Value + `if`(node$isLeaf, 0, sum(sapply(node$children, myApply)))
  

  myApply(tree)
  res

force 很重要，因为对 R 的惰性求值会与您要填写 res 的顺序混淆。

你会得到：

> get_value_by_folder(tree)
[1] 23 15  4 10  5  2

---

编辑：如果您想直接将其填充到树中。

get_value_by_folder2 <- function(tree) 

  myApply <- function(node) 
    node$Value_by_folder <- node$Value + `if`(node$isLeaf, 0, sum(sapply(node$children, myApply)))
  

  myApply(tree)
  tree


> print(get_value_by_folder2(tree), "Value", "Value_by_folder")
           levelName Value Value_by_folder
1 MainFolder             1              23
2  ¦--Folder1            1              15
3  ¦   ¦--Subfolder1     4               4
4  ¦   °--Subfolder2    10              10
5  ¦--Folder2            5               5
6  °--Folder3            2               2

注意类是一个环境，所以原来的tree被修改了。

> print(tree, "Value", "Value_by_folder")
           levelName Value Value_by_folder
1 MainFolder             1              23
2  ¦--Folder1            1              15
3  ¦   ¦--Subfolder1     4               4
4  ¦   °--Subfolder2    10              10
5  ¦--Folder2            5               5
6  °--Folder3            2               2

【讨论】：

这会保存树中的值吗？

@EsbenEickhardt Nop。我以为你想要它作为一个更容易使用的矢量。我会更新我的答案。