Rのrowwriseでmap関数を使わずに行ごと関数適応をおこなう
今まではsapplyやpurrr::mapを用いて行ごとの処理をおこなっていたが、rowwiseを用いて同様の処理を簡潔におこなえるようになった模様。
いったん、簡単な例として、集約関数で試す。
なお、2020/04/12時点ではdplyrの開発版から可能。
devtools::install_github("tidyverse/dplyr") # 2020/04/12時点 library(tidyverse) df <- tibble( student_id = 1:4, test1 = 10:13, test2 = 20:23, test3 = 30:33, test4 = 40:43 ) # rowwise処理 rf <- rowwise(df, student_id) rf %>% mutate(avg = mean(c(test1, test2, test3, test4))) #> # A tibble: 4 x 6 #> # Rowwise: student_id #> student_id test1 test2 test3 test4 avg #> <int> <int> <int> <int> <int> <dbl> #> 1 1 10 20 30 40 25 #> 2 2 11 21 31 41 26 #> 3 3 12 22 32 42 27 #> 4 4 13 23 33 43 28
また、across版のc()としてc_acrossを用いることもできる。
rf %>% mutate(avg = mean(c_across(starts_with("test")))) #> # A tibble: 4 x 6 #> # Rowwise: student_id #> student_id test1 test2 test3 test4 avg #> <int> <int> <int> <int> <int> <dbl> #> 1 1 10 20 30 40 25 #> 2 2 11 21 31 41 26 #> 3 3 12 22 32 42 27 #> 4 4 13 23 33 43 28
なお、上述の場合は既存の方法でも可能だし、そっちのほうが処理が早い。
df %>% mutate(avg = (test1 + test2 + test3 + test4) / 4, min = pmin(test1, test2, test3, test4), max = pmax(test1, test2, test3, test4), string = paste(test1, test2, test3, test4, sep = "-")) # # A tibble: 4 x 9 # student_id test1 test2 test3 test4 avg min max string # <int> <int> <int> <int> <int> <dbl> <int> <int> <chr> # 1 1 10 20 30 40 25 10 40 10-20-30-40 # 2 2 11 21 31 41 26 11 41 11-21-31-41 # 3 3 12 22 32 42 27 12 42 12-22-32-42 # 4 4 13 23 33 43 28 13 43 13-23-33-43
rowwiseの利便性はlistデータを扱うときに発揮される。例えば、行ごとに関数を適用したい場合、今まではsapplyやpurrr::map系を使う必要があった。
# そのまま適用すると全体の数になる df %>% mutate(l = length(x)) #> # A tibble: 3 x 2 #> x l #> <list> <int> #> 1 <dbl [1]> 3 #> 2 <int [2]> 3 #> 3 <int [3]> 3 # sapply df %>% mutate(l = sapply(x, length)) #> # A tibble: 3 x 2 #> x l #> <list> <int> #> 1 <dbl [1]> 1 #> 2 <int [2]> 2 #> 3 <int [3]> 3 # map系 df %>% mutate(l = purrr::map_int(x, length)) #> # A tibble: 3 x 2 #> x l #> <list> <int> #> 1 <dbl [1]> 1 #> 2 <int [2]> 2 #> 3 <int [3]> 3
rowwiseを用いると関数がそのまま適用できる。
# rowwiseで行ごと処理 df %>% rowwise() %>% mutate(l = length(x)) #> # A tibble: 3 x 2 #> # Rowwise: #> x l #> <list> <int> #> 1 <dbl [1]> 1 #> 2 <int [2]> 2 #> 3 <int [3]> 3
また、モデル構築も簡潔に書くことができる。
# mtcarsを使用 head(mtcars) # mpg cyl disp hp drat wt qsec vs am gear carb # Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4 # Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4 # Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1 # Hornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1 # Hornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2 # Valiant 18.1 6 225 105 2.76 3.460 20.22 1 0 3 1 # nest化して行ごとにdataのlistを持つ by_cyl <- mtcars %>% nest_by(cyl) # # A tibble: 3 x 2 # # Rowwise: cyl # cyl data # <dbl> <list<df[,10]>> # 1 4 [11 × 10] # 2 6 [7 × 10] # 3 8 [14 × 10] # 行毎にモデルを構築して予測結果も出す。その際はlistとして格納 mods <- by_cyl %>% mutate(mod = list(lm(mpg ~ wt, data = data)), pred = list(predict(mod, data))) # # A tibble: 3 x 3 # # Rowwise: cyl # cyl data mod # <dbl> <list<df[,10]>> <list> # 1 4 [11 × 10] <lm> # 2 6 [7 × 10] <lm> # 3 8 [14 × 10] <lm> # modelの性能 mods %>% summarise(broom::glance(mod)) #> # A tibble: 3 x 12 #> # Rowwise: cyl #> cyl r.squared adj.r.squared sigma statistic p.value df logLik AIC BIC #> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <int> <dbl> <dbl> <dbl> #> 1 4 0.509 0.454 3.33 9.32 0.0137 2 -27.7 61.5 62.7 #> 2 6 0.465 0.357 1.17 4.34 0.0918 2 -9.83 25.7 25.5 #> 3 8 0.423 0.375 2.02 8.80 0.0118 2 -28.7 63.3 65.2 #> # … with 2 more variables: deviance <dbl>, df.residual <int> # RMSE mods %>% summarise(rmse = sqrt(mean((pred - data$mpg) ^ 2))) #> # A tibble: 3 x 2 #> # Rowwise: cyl #> cyl rmse #> <dbl> <dbl> #> 1 4 3.01 #> 2 6 0.985 #> 3 8 1.87 # model係数 mods %>% summarise(broom::tidy(mod)) #> # A tibble: 6 x 6 #> # Rowwise: cyl #> cyl term estimate std.error statistic p.value #> <dbl> <chr> <dbl> <dbl> <dbl> <dbl> #> 1 4 (Intercept) 39.6 4.35 9.10 0.00000777 #> 2 4 wt -5.65 1.85 -3.05 0.0137 #> 3 6 (Intercept) 28.4 4.18 6.79 0.00105 #> 4 6 wt -2.78 1.33 -2.08 0.0918 #> # … with 2 more rows
