如何将函数应用于增加数据框中的数据子集
Posted
技术标签:
【中文标题】如何将函数应用于增加数据框中的数据子集【英文标题】:How to apply a function to increasing subsets of data in a data frame 【发布时间】:2014-01-08 01:14:59 【问题描述】:我希望将一组预先编写的函数应用于数据帧中逐渐增大的数据子集。在这个例子中,预先编写的函数计算 1)一系列数据点中每对连续位置之间的距离,2)一系列数据点的总距离(步骤 1 的总和),3)直线一系列数据点的开始和结束位置之间的距离和 4)直线距离(步骤 3)与总距离(步骤 2)之间的比率。我想知道如何将这些步骤(以及因此类似的功能)应用到数据框中不断增加的子组中。下面是一些示例数据和预先编写的函数。
示例数据:
> dput(df)
structure(list(latitude = c(52.640715, 52.940366, 53.267749,
53.512608, 53.53215, 53.536443), longitude = c(3.305727, 3.103194,
2.973257, 2.966621, 3.013587, 3.002674)), .Names = c("latitude",
"longitude"), class = "data.frame", row.names = c(NA, -6L))
Latitude Longitude
1 52.64072 3.305727
2 52.94037 3.103194
3 53.26775 2.973257
4 53.51261 2.966621
5 53.53215 3.013587
6 53.53644 3.002674
预写函数:
# Step 1: To calculate the distance between a pair of locations
pairdist = sapply(2:nrow(df), function(x) with(df, trackDistance(longitude[x-1], latitude[x-1], longitude[x], latitude[x], longlat=TRUE)))
# Step 2: To sum the total distance between all locations
totdist = sum(pairdist)
# Step 3: To calculate the distance between the first and end location
straight = trackDistance(df[1,2], df[1,1], df[nrow(df),2], df[nrow(df),1], longlat=TRUE)
# Step 4: To calculate the ratio between the straightline distance & total distance
distrat = straight/totdist
我想首先将这些函数应用于仅前两行(即第 1-2 行)的子组,然后应用于前三行(第 1-3 行)的子组,然后是四行……依此类推……直到我到达数据框的末尾(在示例中,这将是一个包含第 1-6 行的子组,但很高兴知道如何将其应用于任何数据框)。
期望的输出:
Subgroup Totdist Straight Ratio
1 36.017 36.017 1.000
2 73.455 73.230 0.997
3 100.694 99.600 0.989
4 104.492 101.060 0.967
5 105.360 101.672 0.965
我曾尝试这样做但没有成功,目前这超出了我的能力范围。任何建议将不胜感激!
【问题讨论】:
【参考方案1】:可以做很多优化。
trackDistance()
是矢量化的,所以你不需要申请。
要获得计算总距离的矢量化方式,请使用cumsum()
您只需要计算成对距离一次。每次查看不同的子集时都重新计算是浪费资源。因此,在构建函数时,请尝试考虑完整的数据框架。
要在一个输出所需数据帧的函数中获取所有内容,您可以按照以下方式进行操作:
myFun <- function(x)
# This is just to make typing easier in the rest of the function
lat <- x[["Latitude"]]
lon <- x[["Longitude"]]
nr <- nrow(x)
pairdist <-trackDistance(lon[-nr],lat[-nr],
lon[-1],lat[-1],
longlat=TRUE)
totdist <- cumsum(pairdist)
straight <- trackDistance(rep(lon[1],nr-1),
rep(lat[1],nr-1),
lon[-1],lat[-1],
longlat=TRUE)
ratio <- straight/totdist
data.frame(totdist,straight,ratio)
概念证明:
> myFun(df)
totdist straight ratio
1 36.01777 36.01777 1.0000000
2 73.45542 73.22986 0.9969293
3 100.69421 99.60013 0.9891346
4 104.49261 101.06023 0.9671519
5 105.35956 101.67203 0.9650005
请注意,您可以添加额外的参数来定义纬度和经度列。并注意您的大小写,在您的问题中,您在数据框中使用纬度,但在代码中使用纬度(小 l)。
【讨论】:
@Joris:谢谢你的解决方案。太棒了!正是我想做的。非常感谢,圣诞快乐!以上是关于如何将函数应用于增加数据框中的数据子集的主要内容,如果未能解决你的问题,请参考以下文章
如何根据不同 R 生态系统中的另一个向量重写代码,将函数应用于行子集?