如何将数据框中的每一列乘以每列的不同值

Question

考虑以下数据框

   x y z
 1 0 0 0
 2 1 0 0
 3 0 1 0
 4 1 1 0
 5 0 0 1
 6 1 0 1
 7 0 1 1
 8 1 1 1
 -------
 x 4 2 1  <--- vector to multiply by 
 

我想将每一列乘以一个单独的值，例如 c(4,2,1)。给予：

   x y z
 1 0 0 0
 2 4 0 0
 3 0 2 0
 4 4 2 0
 5 0 0 1
 6 4 0 1
 7 0 2 1
 8 4 2 1

代码：

pw2 <- c(4, 2, 1)
s01  <- seq_len(2) - 1
df  <- expand.grid(x=s01, y=s01, z=s01)
df

for (d in seq_len(3)) df[,d] <- df[,d] * pw2[d]
df

问题：找到一个没有 for 循环的向量化解决方案（以 R 为基础）。

注意：问题将数据框中的列乘以向量是不明确的，因为它包括：

• 将数据帧列中的每一行乘以不同的值。
• 将数据框中的每一列乘以不同的值。

这两个查询都可以通过 for 循环轻松解决。这里明确要求矢量化解决方案。

Answer 1

用于sweep在数据框的边缘应用函数：

\n

sweep(df, 2, pw2, `*`)\n

\n

或与col：

\n

df * pw2[col(df)]\n

\n

输出

\n

  x y z\n1 0 0 0\n2 4 0 0\n3 0 2 0\n4 4 2 0\n5 0 0 1\n6 4 0 1\n7 0 2 1\n8 4 2 1\n

\n

对于大型数据帧，请检查collapse::TRA，它比任何其他答案快 10 倍（请参阅基准测试）：

\n

collapse::TRA(df, pw2, "*")\n

\n\n

基准：

\n

bench::mark(sweep = sweep(df, 2, pw2, `*`),\n            col = df * pw2[col(df)],\n            \'%*%\' = setNames(\n              as.data.frame(as.matrix(df) %*% diag(pw2)), \n              names(df)\n            ), \n            TRA = collapse::TRA(df, pw2, "*"), \n            mapply = data.frame(mapply(FUN = `*`, df, pw2)),\n            apply = t(apply(df, 1, \\(x) x*pw2)), \n            t = t(t(df)*pw2), check = FALSE,\n            )\n\n# A tibble: 7 \xc3\x97 13\n  expression      min  median itr/s\xe2\x80\xa6\xc2\xb9 mem_al\xe2\x80\xa6\xc2\xb2 gc/se\xe2\x80\xa6\xc2\xb3 n_itr  n_gc total\xe2\x80\xa6\xe2\x81\xb4\n  <bch:expr> <bch:tm> <bch:t>   <dbl> <bch:by>   <dbl> <int> <dbl> <bch:t>\n1 sweep       346.7\xc2\xb5s 382.1\xc2\xb5s   2427.   1.23KB   10.6   1141     5 470.2ms\n2 col         303.1\xc2\xb5s 330.4\xc2\xb5s   2760.     784B    8.45  1307     4 473.5ms\n3 %*%          72.8\xc2\xb5s  77.9\xc2\xb5s  11861.     480B   10.6   5599     5 472.1ms\n4 TRA             5\xc2\xb5s   5.5\xc2\xb5s 167050.       0B   16.7   9999     1  59.9ms\n5 mapply      117.6\xc2\xb5s 127.9\xc2\xb5s   7309.     480B   10.6   3442     5 470.9ms\n6 apply       107.8\xc2\xb5s 117.9\xc2\xb5s   7887.   6.49KB   12.9   3658     6 463.8ms\n7 t            55.3\xc2\xb5s  59.7\xc2\xb5s  15238.     720B    8.13  5620     3 368.8ms\n

\n

Answer 2

df将和转换pw2为矩阵，使用%*%矩阵乘法运算符，然后转换回数据帧。这将删除列名称，因此请换行setNames()以保留它们。

setNames(
  as.data.frame(as.matrix(df) %*% diag(pw2)), 
  names(df)
)

  x y z
1 0 0 0
2 4 0 0
3 0 2 0
4 4 2 0
5 0 0 1
6 4 0 1
7 0 2 1
8 4 2 1

Answer 3

使用mapply()：

mapply(FUN = `*`, df, pw2)

     x y z
[1,] 0 0 0
[2,] 4 0 0
[3,] 0 2 0
[4,] 4 2 0
[5,] 0 0 1
[6,] 4 0 1
[7,] 0 2 1
[8,] 4 2 1

并作为数据框：

data.frame(mapply(FUN = `*`, df, pw2))
  x y z
1 0 0 0
2 4 0 0
3 0 2 0
4 4 2 0
5 0 0 1
6 4 0 1
7 0 2 1
8 4 2 1

Answer 4

与转置一起使用的另一个选项apply如下：

pw2 <- c(4, 2, 1)
t(apply(df, 1, \(x) x*pw2))
#>   x y z
#> 1 0 0 0
#> 2 4 0 0
#> 3 0 2 0
#> 4 4 2 0
#> 5 0 0 1
#> 6 4 0 1
#> 7 0 2 1
#> 8 4 2 1

^{创建于 2023-04-10，使用reprex v2.0.2}

Answer 5

这是另一种选择，您可以将向量转换为与数据框维度相同的矩阵，然后简单地将两者相乘：

t(replicate(nrow(df), pw2)) * df

输出

  x y z
1 0 0 0
2 4 0 0
3 0 2 0
4 4 2 0
5 0 0 1
6 4 0 1
7 0 2 1
8 4 2 1

Answer 6

所有答案中现有的方法看起来都很棒，但我相信如果我们使用+代替（特别是当您更喜欢使用基本 R 时），mapply我们可以实现更高的效率Maplist2DF

\n\n

以下是基准mapply和Map变体

\n

microbenchmark(\n  "mapply1" = data.frame(mapply(FUN = `*`, df, pw2)),\n  "mapply2" = as.data.frame(mapply(FUN = `*`, df, pw2)),\n  "Map1" = list2DF(Map(`*`, df, pw2)),\n  "Map2" = list2DF(Map(`*`, df, as.list(pw2)))\n)\n

\n

给出

\n

Unit: microseconds\n    expr  min    lq    mean median     uq   max neval\n mapply1 74.6 78.60 112.163  97.05 140.50 342.6   100\n mapply2 34.6 38.20  55.513  42.70  67.40 313.5   100\n    Map1 23.8 25.25  33.728  27.60  41.30 113.8   100\n    Map2 25.9 28.75  40.866  32.95  47.65 238.6   100\n

\n

另外，让该方法加入@Ma\xc3\xablMap提供的基准测试方，例如，

\n

bc <- bench::mark(\n  sweep = sweep(df, 2, pw2, `*`),\n  col = df * pw2[col(df)],\n  "%*%" = setNames(\n    as.data.frame(as.matrix(df) %*% diag(pw2)),\n    names(df)\n  ),\n  TRA = collapse::TRA(df, pw2, "*"),\n  mapply1 = data.frame(mapply(FUN = `*`, df, pw2)),\n  mapply2 = as.data.frame(mapply(FUN = `*`, df, pw2)),\n  Map1 = list2DF(Map(`*`, df, pw2)),\n  Map2 = list2DF(Map(`*`, df, as.list(pw2))),\n  apply = t(apply(df, 1, \\(x) x * pw2)),\n  t = t(t(df) * pw2),\n  check = FALSE,\n)\n

\n

我们会看到它Map在效率方面排在第二位

\n

# A tibble: 10 \xc3\x97 13\n   expression      min   median `itr/sec` mem_alloc `gc/sec` n_itr  n_gc\n   <bch:expr> <bch:tm> <bch:tm>     <dbl> <bch:byt>    <dbl> <int> <dbl>\n 1 sweep       201.7\xc2\xb5s  249.2\xc2\xb5s     3526.  101.24KB     12.6  1680     6\n 2 col         174.9\xc2\xb5s  225.6\xc2\xb5s     3637.    9.02KB     10.4  1748     5\n 3 %*%          45.4\xc2\xb5s   52.9\xc2\xb5s    17026.   36.95KB     12.5  8158     6\n 4 TRA           3.4\xc2\xb5s    3.8\xc2\xb5s   226089.  905.09KB     22.6  9999     1\n 5 mapply1      71.6\xc2\xb5s   78.4\xc2\xb5s    11958.      480B     14.7  5681     7\n 6 mapply2      33.1\xc2\xb5s   37.4\xc2\xb5s    25339.      480B     17.7  9993     7\n 7 Map1         22.5\xc2\xb5s   26.1\xc2\xb5s    35649.        0B     17.8  9995     5\n 8 Map2         25.3\xc2\xb5s   29.4\xc2\xb5s    31785.        0B     19.1  9994     6\n 9 apply        70.2\xc2\xb5s   80.7\xc2\xb5s    11684.   11.91KB     14.7  5562     7\n10 t            34.8\xc2\xb5s   40.2\xc2\xb5s    23608.    3.77KB     14.2  9994     6\n# \xe2\x84\xb9 5 more variables: total_time <bch:tm>, result <list>, memory <list>,\n#   time <list>, gc <list>\n

\n

并autoplot(bc)展示

\n

\n