修改

Question

我认为标题主要解释了我想要做的事情。由于我对循环不太熟悉，我需要你的帮助。

我拥有的数据：

> dput(data)
structure(c(0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 778936.666666667, 
0, 0, 0, 0, 2478666.66666667, 2255834.16666667, 0, 1797065.41666667, 
0, 0, 8091450, 10536461.5079365, 0, 2325600, 0, 0, 0, 1011700, 
2049325, 870025, 0, 0, 0, 892385, 3216538.33333333, 960480, 1024325, 
0, 0, 557780, 5798938.88888889, 846266.666666667, 1183267.5, 
0, 0, 1126786.66666667, 7603630.47619048, 888885, 1771708.33333333, 
0, 0, 1557738.33333333, 5441300, 0, 2007712.33333333, 0, 0, 1792833.33333333, 
3435203.33333333, 1913650, 3339118.93939394, 0, 0, 1047475, 2194228.33333333, 
1248360, 973797.916666667, 671265, 0, 804250, 0, 0, 0, 0, 0, 
0, 1788100, 1746900, 2140050, 2584000, 0, 947850, 0, 462237.5, 
639437.666666667, 636732.333333333, 0, 0, 0, 508568.333333333, 
1397257.5, 1016524.58333333, 0, 0, 0, 270466.666666667, 742731.785714286, 
408040.681818182, 0, 0, 0, 316706.666666667, 714654.722222222, 
592564.294871795, 0, 0, 0, 255310, 434271.5, 590129.537037037, 
0, 0, 0, 617560, 227435, 367492.5, 0, 0), .Dim = c(6L, 20L), .Dimnames = list(
    c("Greg", "Tommy", "Seb", "Martin", "Alesa", "Yuri"), c("January", 
    "February", "March", "April", "May", "June", "July", "August", 
    "September", "October", "January2", "February2", "March2", 
    "April2", "May2", "June2", "July2", "August2", "September2", 
    "October2")))

该功能所需的向量：

> dput(vec_list)
c(10L, 34L, 59L, 84L, 110L, 134L, 165L, 199L, 234L, 257L, 362L, 
433L, 506L, 581L, 652L, 733L, 818L, 896L, 972L, 1039L)

现在我想要应用于整个数据的函数（比给定的例子大得多）：

work_func <- function(i) data[1,] <- AIC(lm(vec_list~poly(data[1,],i, raw=TRUE)))
as.integer(optimize(work_func,interval = c(1,length(data[1,])-1))$minimum)

那只是一排。每行的结果应该只是一个简单的数字，我想把它放到新列中，或者只是将它存储为一个向量...

Answer 1

正如@Colonel正确指出的那样，你可以在这里使用apply，保证金为1

My_func <- function(x) {
                work_func <- function(i) AIC(lm(vec_list ~ poly(x, i, raw = TRUE)))
                as.integer(optimize(work_func, interval = c(1, length(x) - 1))$minimum)
}

apply(data, 1, My_func)
# Greg  Tommy    Seb Martin  Alesa   Yuri 
#    2     12     12      6     18     18

Answer 2

请注意work_func仅对i的整数值有意义，并且是不连续的，因此optimize可能不是正确的策略，而是我一直在寻找所有整数值。使用您的数据，

optim_fun <- function(x){
  work_fun <- function(i) AIC(lm(vec_list~poly(x,i, raw=TRUE)))
  which.min(sapply(1:(length(x)-1),work_fun))
}

AIC <- apply(data,1,optim_fun)

产生输出

> AIC
# Greg  Tommy    Seb Martin  Alesa   Yuri 
# 1     12     15      6      1      2

这是多项式的阶数，它使每行的AIC最小化。

为了解释这一点，我刚刚使用i中设置的数据x更改了work_fun以返回功率optim_fun的AIC。 optim_fun以work_fun的整数值评估i，并找到最小化此值的i。最后一行依次将其应用于数据的每一行。

修改

几乎与David Arenburg同时发布，所以我会快速评论为什么我们会得到不同的结果 - 这取决于使用optimize。我的答案发现Greg值略低：

> work_fun(1)
[1] 294.0098
> work_fun(2)
[1] 294.1508

请注意，对于Seb：

> work_fun(12)
[1] 268.0117
> work_fun(13)
[1] 268.0117
> work_fun(14)
[1] 268.0117
> work_fun(15)
[1] 268.0117

同样，我认为我的回答对Yuri来说更好，但是所有i给予Alesa相同的AIC，所以答案是不确定的。

将函数应用于循环中的所有行，并将结果放入新列

2 个答案:

修改