Question

我的data.frame看起来像这样：

>df

  A B   C  P1  P2  P3  P4  P5  P6
1 a 1 0.1 0.1 0.1 0.4 0.2 0.1 0.4
2 b 1 0.2 0.1 0.4 0.2 0.1 0.2 0.2
3 c 1 0.4 0.4 0.1 0.2 0.1 0.1 0.4
4 d 2 0.1 0.1 0.7 0.5 0.1 0.7 0.1
5 e 2 0.5 0.7 0.5 0.1 0.7 0.1 0.5
6 f 2 0.7 0.5 0.5 0.7 0.1 0.7 0.1
7 g 3 0.1 0.1 0.1 0.2 0.2 0.2 0.5
8 h 3 0.2 0.2 0.1 0.5 0.2 0.2 0.5
9 i 3 0.5 0.1 0.2 0.1 0.1 0.5 0.2

与此类似的data.frames列表：

list.1 <- list(data.frame(AA=c("a","b","c","d")), 
             data.frame(BB=c("e","f")), 
             data.frame(CC=c("a","b","i")), 
             data.frame(DD=c("d","e","f","g")))

此外，我有这个功能：

Fisher.test <- function(p) {
  Xsq <- -2*sum(log(p), na.rm=T)
  p.val <- 1-pchisq(Xsq, df = 2*length(p))
  return(p.val)
}

我想在df中选择与列表中的每个data.frame相对应的df $ A的值，并为 P1 ... P6 计算Fisher.test 。我这样做的方法是将df与list.1合并，然后将Fisher.method应用于列表中的每个data.frame：

func <- function(x,y){merge(x,y, by.x=names(x)[1], by.y=names(y)[1])}

ll <- lapply(list.1, func, df)

ll.fis <- lapply(ll, FUN=function(i){apply(i[,4:9],2,Fisher.test)})

这有效但我的真实数据很大，所以我认为不同的方法可以使用list.1[1]元素的索引来计算存储结果的Fisher.test中的df，然后使用索引list.1[2]并计算Fisher.test等等。通过这种方式，可以避免合并，因为所有计算都是通过df进行的，同样，RAM资源也可以通过这种方法最小化。但是，我不知道如何实现这一目标。也许是for循环？

由于

Answer 1

利用data.table非常有用，因为您可以使用.( )语法轻松地对数据进行子集化，并且速度非常快，特别是与使用大数据相比，比如subset

library(data.table)

# convert to data.table, setting the key to the column `A`
DT <- data.table(df, key="A")

p.col.names <- paste0("P", 1:6)
results <- lapply(list.1, function(ll)
        DT[.(ll)][, lapply(.SD, Fisher.test), .SDcols=p.col.names] )

results

旁注

您可能需要修改list.1的名称，以便lapply的结果形式正确命名

# fix the names, helpful for the lapply
names(list.1) <- lapply(list.1, names)

结果：

$AA
           P1        P2        P3       P4        P5      P6
1: 0.04770305 0.1624142 0.2899578 0.029753 0.1070376 0.17549

$BB
          P1        P2        P3        P4        P5        P6
1: 0.7174377 0.5965736 0.2561482 0.2561482 0.2561482 0.1997866

$CC
          P1       P2       P3         P4        P5        P6
1: 0.0317663 0.139877 0.139877 0.05305057 0.1620897 0.2189595

$DD
         P1        P2        P3        P4        P5        P6
1: 0.184746 0.4246214 0.2704228 0.1070376 0.3215871 0.1519672

使用data.frames列表的索引在数据框的某些元素中应用函数

1 个答案:

旁注

结果：