Блог

Я пытаюсь выполнить цикл по фрейму данных из столбцов, и вычисленный результат помещается в матрицу.

Сценарий может быть воспроизведен со следующими примерами данных:

 df = data.frame(replicate(10,sample(0:20,10,rep=TRUE))) # the columns to be calculated on

M1 = as.data.frame(matrix(0, nrow = 10, ncol = 10)) # a matrix to hold the results.
rownames(M1) = colnames(df)
colnames(M1) = colnames(df)
  

И выглядят следующим образом:

 > df # Frame with columns of data, X1 to X10

   X1 X2 X3 X4 X5 X6 X7 X8 X9 X10
1   1 19  2  6  6  5  0  2  5  10
2  16  7 14 16 16 18 11  2 18  11
3   7  6 11  4  4  1 18 11 10  16
4  20  2  4 20  4  6 10  5 16   7
5   9  8 16 19 11  2 14  7 13   7
6   5 16  6  8 20 15  5 11  4   0
7  11 16 12  8 18 20 20 20 10  14
8  17 14 10  4  3 10 13 11  5   1
9   9 20 10  5  1  7 12 10  5   6
10  8 14  3 14 20 10 17 20  9  14

> M1 # Output frame to hold results

    X1 X2 X3 X4 X5 X6 X7 X8 X9 X10
X1   0  0  0  0  0  0  0  0  0   0
X2   0  0  0  0  0  0  0  0  0   0
X3   0  0  0  0  0  0  0  0  0   0
X4   0  0  0  0  0  0  0  0  0   0
X5   0  0  0  0  0  0  0  0  0   0
X6   0  0  0  0  0  0  0  0  0   0
X7   0  0  0  0  0  0  0  0  0   0
X8   0  0  0  0  0  0  0  0  0   0
X9   0  0  0  0  0  0  0  0  0   0
X10  0  0  0  0  0  0  0  0  0   0
  

В df столбцы X1 и X2 помещаются в вычисление, затем X1 и X3, затем X1 и X4 и т.д. Затем цикл будет повторять X2 и X3, затем X2 и X4 и т.д.

Столбцы n и m вводятся в вычисление / цикл, и результат должен быть помещен в соответствующее место в матрице, которое соответствует столбцу n x m. Само вычисление просто определяет область между Xn и Xm в виде нанесенных линий. Я не уверен, как правильно построить цикл для этого:

   # The first iteration of the calculation, column X1 and X2 (X1 and X1 would = 0)

  y = seq(1,10,1)
  f1 = approxfun(y, df[,1] - df[,2]) # takes two columns as inputs
  f2 = function(x) abs(f1(x))

  area1 = integrate(f2, 1, 10, subdivisions = 500)
  M1[2,1] = area1$value
  

Результирующий фрейм создаст «полуматрицу» (это все, что необходимо, поскольку зеркальная половина будет идентичной):

 > M1
    X1 X2 X3 X4 X5 X6 X7 X8 X9 X10
X1   0  0  0  0  0  0  0  0  0   0
X2   A  0  0  0  0  0  0  0  0   0
X3   A  A  0  0  0  0  0  0  0   0
X4   A  A  A  0  0  0  0  0  0   0
X5   A  A  A  A  0  0  0  0  0   0
X6   A  A  A  A  A  0  0  0  0   0
X7   A  A  A  A  A  A  0  0  0   0
X8   A  A  A  A  A  A  A  0  0   0
X9   A  A  A  A  A  A  A  A  0   0
X10  A  A  A  A  A  A  A  A  A   0
  

Я начал создавать цикл for, но я не могу использовать i и j, чтобы удерживать X1 до тех пор, пока он не пройдет через X2-X10, затем перейдет к X2 и т.д.

Спасибо!

Я не смог заставить ваши функции работать. Итак, с использованием функции случайной замены этот цикл работает для меня:

 area=list()  # because the actual function doesn't work
for(i in 1:ncol(df)){
  for(j in 1:ncol(df)){
    if(i==j){M[i,i]=0;next}
    selection=df[,c(i,j)]
    #area=integrate(f2, 1, 200, subdivisions = 500)
    area$value=mean(colSums(selection)) # something random to check
    M[i,j]=area$value
    M[j,i]=area$value
  }
}
  

Но цикл, как правило, не самый эффективный способ выполнения задач. Таким образом, вы можете предпочесть этот вариант:

 df = data.frame(replicate(10,sample(0:20,10,rep=TRUE))) # the columns to be calculated on
my.f = function(x) abs(x[,1]-x[,2])

#y = t(as.matrix(combn(ncol(df), 2L, function(y) integrate(my.f(df[y]), 1, 200, subdivisions = 500),simplify=F))) # This doesn't work, but should be close to what you want to do

y = t(as.matrix(combn(ncol(df), 2L, function(y) mean(f(df[y]),simplify=F)))) # this works, but is just an example

N = seq_len(ncol(y))
nams = colnames(df)
M = matrix(ncol = length(nams), nrow = length(nams))
M[lower.tri(M)] = y
M = t(out)
M[lower.tri(M)] = y
M = t(M)
diag(M) = 0
rownames(M) = colnames(out) = colnames(df)
M

    X1  X2   X3  X4  X5  X6  X7  X8   X9 X10
X1  0.0 8.6  6.4 8.8 7.1 6.6 7.0 4.0  7.0 3.7
X2  8.6 0.0  5.0 4.4 5.5 5.4 4.4 9.2  8.0 7.7
X3  6.4 5.0  0.0 7.2 5.9 5.8 7.6 7.0 10.4 6.5
X4  8.8 4.4  7.2 0.0 5.9 4.4 5.4 9.6  8.4 7.3
X5  7.1 5.5  5.9 5.9 0.0 7.3 5.3 9.1  8.5 8.0
X6  6.6 5.4  5.8 4.4 7.3 0.0 6.0 8.4  5.6 3.7
X7  7.0 4.4  7.6 5.4 5.3 6.0 0.0 8.8  4.4 5.7
X8  4.0 9.2  7.0 9.6 9.1 8.4 8.8 0.0  9.6 6.9
X9  7.0 8.0 10.4 8.4 8.5 5.6 4.4 9.6  0.0 5.5
X10 3.7 7.7  6.5 7.3 8.0 3.7 5.7 6.9  5.5 0.0