खोज…


पंक्ति संचालन द्वारा

R कोड को वेक्टर करने में कुंजी है, "R फ़ंक्शन द्वारा" या पंक्ति प्रेषण की विधि को कम या समाप्त करना।

इसका मतलब यह है कि जब पहली पंक्ति में "पंक्ति संचालन के द्वारा" किसी समस्या की ओर ध्यान देने की आवश्यकता होती है, जैसे कि प्रत्येक पंक्ति के साधनों की गणना करना, तो किसी को स्वयं से पूछने की आवश्यकता होती है:

  • मैं जिन डेटा सेटों के साथ काम कर रहा हूं, वे किस वर्ग के हैं?
  • क्या कोई मौजूदा संकलित कोड है जो आर फ़ंक्शन के दोहराए गए मूल्यांकन की आवश्यकता के बिना इसे प्राप्त कर सकता है?
  • यदि नहीं, तो क्या मैं पंक्ति के बजाय कॉलम द्वारा ये ऑपरेशन कर सकता हूं?
  • अंत में, यह केवल एक साधारण apply लूप चलाने के बजाय जटिल सदिश कोड विकसित करने पर बहुत समय बिताने के लायक है? दूसरे शब्दों में, क्या डेटा बड़ा / परिष्कृत है कि R इसे सरल लूप का उपयोग करके कुशलता से संभाल नहीं सकता है?

मेमोरी प्री-एलोकेशन इश्यू और लूप्स में बढ़ते ऑब्जेक्ट को एक तरफ रखते हुए, हम इस उदाहरण पर ध्यान केंद्रित करेंगे कि कैसे लूप्स को apply करने से बचें, लूप्स के भीतर आर फंक्शंस या री-असेसमेंट आर फंक्शंस का मूल्यांकन करें।

पंक्ति द्वारा माध्य की गणना का एक मानक / आसान तरीका होगा:

apply(mtcars, 1, mean)
          Mazda RX4       Mazda RX4 Wag          Datsun 710      Hornet 4 Drive   Hornet Sportabout             Valiant          Duster 360 
           29.90727            29.98136            23.59818            38.73955            53.66455            35.04909            59.72000 
          Merc 240D            Merc 230            Merc 280           Merc 280C          Merc 450SE          Merc 450SL         Merc 450SLC 
           24.63455            27.23364            31.86000            31.78727            46.43091            46.50000            46.35000 
 Cadillac Fleetwood Lincoln Continental   Chrysler Imperial            Fiat 128         Honda Civic      Toyota Corolla       Toyota Corona 
           66.23273            66.05855            65.97227            19.44091            17.74227            18.81409            24.88864 
   Dodge Challenger         AMC Javelin          Camaro Z28    Pontiac Firebird           Fiat X1-9       Porsche 914-2        Lotus Europa 
           47.24091            46.00773            58.75273            57.37955            18.92864            24.77909            24.88027 
     Ford Pantera L        Ferrari Dino       Maserati Bora          Volvo 142E 
           60.97182            34.50818            63.15545            26.26273 

लेकिन क्या हम बेहतर कर सकते हैं? आइए देखें कि यहां क्या हुआ:

  1. सबसे पहले, हमने एक matrix लिए एक data.frame परिवर्तित किया। (ध्यान दें कि उसका उपयोग apply फ़ंक्शन के भीतर होता है।) यह अक्षम और खतरनाक दोनों है। matrix एक समय में कई स्तंभ प्रकारों को नहीं पकड़ सकता है। इसलिए, इस तरह के रूपांतरण से संभवतः जानकारी का नुकसान होगा और कुछ समय के लिए भ्रामक परिणाम (तुलना apply(iris, 2, class) sapply(iris, class) str(iris) या sapply(iris, class) )।
  2. सभी में से, हमने प्रत्येक पंक्ति के लिए एक समय, दोहराव से एक ऑपरेशन किया। मतलब, हमें कुछ R फंक्शन nrow(mtcars) समय का मूल्यांकन करना था। इस विशिष्ट मामले में, mean एक कम्प्यूटेशनल रूप से महंगा फ़ंक्शन नहीं है, इसलिए आर आसानी से एक बड़े डेटा सेट के लिए भी इसे आसानी से संभाल सकता है, लेकिन क्या होगा यदि हमें पंक्ति द्वारा मानक विचलन की गणना करने की आवश्यकता है (जिसमें एक महंगा वर्ग रूट ऑपरेशन शामिल है) ? जो हमें अगले बिंदु पर लाता है:
  3. हमने कई बार आर फ़ंक्शन का मूल्यांकन किया, लेकिन शायद पहले से ही इस ऑपरेशन का एक संकलित संस्करण है?

वास्तव में हम बस कर सकता है:

rowMeans(mtcars)
          Mazda RX4       Mazda RX4 Wag          Datsun 710      Hornet 4 Drive   Hornet Sportabout             Valiant          Duster 360 
           29.90727            29.98136            23.59818            38.73955            53.66455            35.04909            59.72000 
          Merc 240D            Merc 230            Merc 280           Merc 280C          Merc 450SE          Merc 450SL         Merc 450SLC 
           24.63455            27.23364            31.86000            31.78727            46.43091            46.50000            46.35000 
 Cadillac Fleetwood Lincoln Continental   Chrysler Imperial            Fiat 128         Honda Civic      Toyota Corolla       Toyota Corona 
           66.23273            66.05855            65.97227            19.44091            17.74227            18.81409            24.88864 
   Dodge Challenger         AMC Javelin          Camaro Z28    Pontiac Firebird           Fiat X1-9       Porsche 914-2        Lotus Europa 
           47.24091            46.00773            58.75273            57.37955            18.92864            24.77909            24.88027 
     Ford Pantera L        Ferrari Dino       Maserati Bora          Volvo 142E 
           60.97182            34.50818            63.15545            26.26273 

इसमें पंक्ति संचालन द्वारा कोई भी शामिल नहीं है और इसलिए आर कार्यों का दोहराव मूल्यांकन नहीं है। हालाँकि , हमने अभी भी एक matrix लिए data.frame परिवर्तित किया है। हालाँकि, rowMeans में एक एरर हैंडलिंग मैकेनिज़्म है और यह एक डेटा सेट पर नहीं चलेगा, जो इसे हैंडल नहीं कर सकता है, फिर भी इसकी दक्षता लागत है।

rowMeans(iris)
Error in rowMeans(iris) : 'x' must be numeric

लेकिन फिर भी, क्या हम बेहतर कर सकते हैं? हम त्रुटि से निपटने के लिए मैट्रिक्स रूपांतरण के बजाय कोशिश कर सकते हैं, एक अलग विधि जो हमें वेक्टर के रूप में mtcars का उपयोग करने की अनुमति mtcars (क्योंकि data.frame अनिवार्य रूप से एक list और एक list एक vector )।

Reduce(`+`, mtcars)/ncol(mtcars)
 [1] 29.90727 29.98136 23.59818 38.73955 53.66455 35.04909 59.72000 24.63455 27.23364 31.86000 31.78727 46.43091 46.50000 46.35000 66.23273 66.05855
[17] 65.97227 19.44091 17.74227 18.81409 24.88864 47.24091 46.00773 58.75273 57.37955 18.92864 24.77909 24.88027 60.97182 34.50818 63.15545 26.26273

अब संभव गति हासिल करने के लिए, हमने कॉलम नाम और त्रुटि हैंडलिंग ( NA हैंडलिंग सहित) खो दिया है।


एक और उदाहरण समूह द्वारा माध्य की गणना करना होगा, बेस आर का उपयोग करके हम कोशिश कर सकते हैं

aggregate(. ~ cyl, mtcars, mean)
cyl      mpg     disp        hp     drat       wt     qsec        vs        am     gear     carb
1   4 26.66364 105.1364  82.63636 4.070909 2.285727 19.13727 0.9090909 0.7272727 4.090909 1.545455
2   6 19.74286 183.3143 122.28571 3.585714 3.117143 17.97714 0.5714286 0.4285714 3.857143 3.428571
3   8 15.10000 353.1000 209.21429 3.229286 3.999214 16.77214 0.0000000 0.1428571 3.285714 3.500000

फिर भी, हम मूल रूप से एक लूप में R फ़ंक्शन का मूल्यांकन कर रहे हैं, लेकिन लूप अब आंतरिक C फ़ंक्शन में छिपा हुआ है (यह बहुत कम मायने रखता है कि यह C या R लूप है)।

क्या हम इससे बच सकते थे? वैसे आर में एक संकलित फ़ंक्शन है जिसे rowsum कहा जाता है, इसलिए हम ऐसा कर सकते हैं:

rowsum(mtcars[-2], mtcars$cyl)/table(mtcars$cyl)
mpg     disp        hp     drat       wt     qsec        vs        am     gear     carb
4 26.66364 105.1364  82.63636 4.070909 2.285727 19.13727 0.9090909 0.7272727 4.090909 1.545455
6 19.74286 183.3143 122.28571 3.585714 3.117143 17.97714 0.5714286 0.4285714 3.857143 3.428571
8 15.10000 353.1000 209.21429 3.229286 3.999214 16.77214 0.0000000 0.1428571 3.285714 3.500000

हालांकि हमें पहले भी एक मैट्रिक्स में बदलना था।

इस बिंदु पर हम सवाल कर सकते हैं कि क्या हमारी वर्तमान डेटा संरचना सबसे उपयुक्त है। क्या एक data.frame सबसे अच्छा अभ्यास है? या दक्षता हासिल करने के लिए किसी को matrix डेटा संरचना पर स्विच करना चाहिए?


जब तक हम हर बार महंगे कार्यों का मूल्यांकन करना शुरू नहीं करेंगे, तब तक पंक्ति संचालन अधिक से अधिक महंगा हो जाएगा (यहां तक कि मैट्रिसेस में भी)। हमें पंक्ति उदाहरण द्वारा एक विचरण गणना पर विचार करने दें।

चलो कहते हैं कि हमारे पास एक मैट्रिक्स m :

set.seed(100)
m <- matrix(sample(1e2), 10)
m
      [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10]
 [1,]    8   33   39   86   71  100   81   68   89    84
 [2,]   12   16   57   80   32   82   69   11   41    92
 [3,]   62   91   53   13   42   31   60   70   98    79
 [4,]   66   94   29   67   45   59   20   96   64     1
 [5,]   36   63   76    6   10   48   85   75   99     2
 [6,]   18    4   27   19   44   56   37   95   26    40
 [7,]    3   24   21   25   52   51   83   28   49    17
 [8,]   46    5   22   43   47   74   35   97   77    65
 [9,]   55   54   78   34   50   90   30   61   14    58
[10,]   88   73   38   15    9   72    7   93   23    87

एक बस कर सकता है:

apply(m, 1, var)
[1]  871.6556  957.5111  699.2111  941.4333 1237.3333  641.8222  539.7889  759.4333  500.4889 1255.6111

दूसरी ओर, कोई भी पूरी तरह से विचरण के फार्मूले का पालन करके इस ऑपरेशन को पूरी तरह से तैयार कर सकता है

RowVar <- function(x) {
  rowSums((x - rowMeans(x))^2)/(dim(x)[2] - 1)
}
RowVar(m)
[1]  871.6556  957.5111  699.2111  941.4333 1237.3333  641.8222  539.7889  759.4333  500.4889 1255.6111


Modified text is an extract of the original Stack Overflow Documentation
के तहत लाइसेंस प्राप्त है CC BY-SA 3.0
से संबद्ध नहीं है Stack Overflow