Question

数据：

 data <- structure(list(index = c(1, 2, 3, 4, 5, 6), 
hour = c(13, 13, 13, 1, 1, 1), minutes = c(31, 
     31, 32, 36, 36, 36)), class = "data.frame", row.names = c(1067L, 
    1069L, 1070L, 1072L, 1073L, 1074L))

使用do.call：

func <- function(hourFilt, minutesFilt){
  filt <- data[data$hour == hourFilt & data$minutes == minutesFilt, ]$idx
  sum(filt)
}

do.call(func, list(hourFilt = 1:5, minutesFilt = 31:35))

我知道警告的含义：

警告消息： 1：在data $ hour == hourFilt中：较长的物体长度不是较短的物体长度的倍数

但是我希望该函数被调用五次，而不仅仅是被调用一次，从而导致警告和错误的结果。

预期结果：

mapply(func, hourFilt = 1:5, minutesFilt = 31:35)
1 2 0 0 0

但是，我更喜欢使用do.call()，因为它更快。

修改：添加意图 我想过滤特定时间的25k-200k行的数据集。对原始数据集的过滤将导致三行。对于这个结果，我想总结一个给定的变量-在这里：索引。该过程将重复数百次。因此，我调查了mapply()，do.call()。性能确实很重要，这就是为什么我更喜欢do.call()。

Answer 1

do.call的目的不是多次运行一个函数（如mapply那样），而是一次在一个元素列表上运行一个函数。当使用大型列表并尝试将单个函数应用于列表的所有参数时，这非常实用。如果要创建一个表格，其中每一列都是列表的元素，则典型示例为do.call(cbind,list)。

因此，当您运行do.call(func, list(hourFilt = 1:5, minutesFilt = 31:35))时R正在运行

func(hourFilt = 1:5, minutesFilt = 31:35)

因此您得到了错误。列表中的所有元素都立即传递给func()的参数。

我认为mapply()可能是解决您问题的最佳方法。如果您担心性能，可以尝试使用mcmapply()软件包中的parallel，该软件包可以并行化计算（在Windows中不适用）。

corenum <- parallel::detectCores()-1
parallel::mcmapply(func,hourFilt=1:5,minutesFilt=31:35,mc.cores=corenum)

或者，如果您使用的是Windows，则更麻烦的parSapply()可能适合您：

corenum <- parallel::detectCores()-1
cl<-parallel::makeCluster(corenum)

#export the objects so that the parallel sockets can use them
parallel::clusterExport(cl,c("func","hourFilt","minutesFilt","data"))

result<-parallel::parSapply(cl,1:length(hourFilt),function(i){
  func(hourFilt[i],minutesFilt[i])
})

PS：对于您的数据集，预期结果应为0 0 0 0 0

通过do.call在函数内过滤数据

1 个答案: