R语言中do.call()的使用说明
简单参数设置就能搞定的事情,是不会用到do.call的。
在运用r的过程中总会碰到这样一类函数,它们接受的参数数量可以是任意的,该函数会处理这些参数,并返回处理结果。
最简单的例子就是data.frame
比如:
> x1 = 1:10 > x2 = 11:20 > x3 = 21:30 > data.frame(x1,x2,x3) x1 x2 x3 1 1 11 21 2 2 12 22 3 3 13 23 4 4 14 24 5 5 15 25 6 6 16 26 7 7 17 27 8 8 18 28 9 9 19 29 10 10 20 30
你可以在data.frame函数中加入任意多的向量参数(x1,x2,x3都是向量)。
不过现在的情况是:你明确知道你仅将这三个向量拼凑成一个数据框就行了,那么,你写成data.frame(x1,x2,x3)是最好的方法,没必要写成如下的方式:
> do.call("data.frame",list(x1,x2,x3)) x1.10 x11.20 x21.30 1 1 11 21 2 2 12 22 3 3 13 23 4 4 14 24 5 5 15 25 6 6 16 26 7 7 17 27 8 8 18 28 9 9 19 29 10 10 20 30
不过,假设你遇到的情况是这样:你现在需要从磁盘上的某个文件中读入所有行次的数据,但是随情况变化,文件的长度会发生改变。
可是你打算编写一个能同时应对各种长度文件的程序,程序目的是将文件中各行的内容竖过来,按列组成一个数据框。
那么请问你有哪些方法?——read.table()+t(),好吧,我承认我又输了,看来do.call还不是最好的选项。
那么如果这个文件各行的类型不同呢?比如一行字符,一行数字,一行布尔值,如此循环延伸,你又能怎么办?
f = file("abc.txt", "r") n = length(count.fields("abc.txt")) / 3 l = list() for (i in 1:n) { l[[(i-1)*3 + 1]] = scan(file = f, sep = ",", nlines = 1, what = "", quiet = true) l[[(i-1)*3 + 2]] = scan(file = f, sep = ",", nlines = 1, what = 0, quiet = true) l[[(i-1)*3 + 3]] = scan(file = f, sep = ",", nlines = 1, what = true, quiet = true) } names(l) = paste("l", 1:length(l), sep = "") r = do.call("data.frame", l) print(r)
仍然有替代方案:
(1)我就用read.table()+t(),大不了事后再按列转换类型!
(2)仍然是上述循环,我不要每次都把值押入list中,我直接创建data.frame,之后再用cbind()逐列添加,这样就用不着do.call了
那么现在再次提高难度:取消转置函数t()的使用,不允许使用cbind()函数。那么你只能用do.call了。
我其实一点都不蛮横,只要换一种情境即可——ffbase包,专门处理大数据的扩展包,其中ffdf对象与data.frame类似(不过可容纳更多数据),但不容易增添新列,且无法转置!ffdf函数是什么你不需要知道,你只要知道它也可以添加任意多的参数即可。
好吧,下面就是一个涉及ffbase包的程序片段
来感受一下do.call的用法吧:
addstrategydata <- function(detaillist, index) { a = list() x = detaillist[[index]] vmode = sapply(names(x), function(y) switch(y, "s" = "integer", "t" = "double", "f" = "logical")) names(vmode) = names(x) x = as.ffdf(x, vmode = vmode) for (i in 1:ncol(x)) a[[i]] = x[[i]] for (i in (length(a) + 1:length(detaillist))) a[[i]] = ff(false, length = nrow(x), vmode = "logical") a[[ncol(x) + index]] = ff(true, length = nrow(x), vmode = "logical") names(a) = c(names(x), paste("s", 1:length(detaillist), sep = "")) return(do.call("ffdf", a)) }
某些情况下,你知道某个函数接受参数的明确个数,但是太多了,你懒,所以用do.call;但更多的情况是你迫不得已,必须用它。
补充:r中的lapply和do.call有什么区别?
最近我在学习r,两个函数lapply和do.call混淆了。 看起来,它们和lisp中的map函数类似。 但是为什么有两个不同的名字呢? 为什么r不使用称为map的函数?
有一个称为map的function,可能与其他语言的地图类似:
lapply
返回与x相同长度的列表,其中每个元素都是将fun应用于x的对应元素的结果。
do.call
构造并执行一个函数调用,从一个名字或一个函数和一个参数列表传递给它。
map将一个函数应用到给定vector的相应元素… map是一个简单的mapply包装,它不会试图简化结果,类似于common lisp的mapcar(但是参数被回收)。 未来的版本可能允许对结果types进行一些控制。
1、map是mapply的包装
2、lapply是mapply
3、因此在许多情况下map和lapply将是相似的。
例如,这里是lapply :
lapply(iris, class) $sepal.length [1] "numeric" $sepal.width [1] "numeric" $petal.length [1] "numeric" $petal.width [1] "numeric" $species [1] "factor"
和使用map :
map(class, iris) $sepal.length [1] "numeric" $sepal.width [1] "numeric" $petal.length [1] "numeric" $petal.width [1] "numeric" $species [1] "factor"
do.call采用一个函数作为input,并将其他参数泼到函数上。 例如,它被广泛用于将列表组装成更简单的结构(通常使用rbind或cbind )。
例如:
x <- lapply(iris, class) do.call(c, x) sepal.length sepal.width petal.length petal.width species "numeric" "numeric" "numeric" "numeric" "factor"
lapply在列表上应用一个函数, do.call用参数列表调用一个函数。 这对我来说看起来很不一样
用列表举个例子:
x <- list(1:3,4:6,7:9)
用lapply你可以得到列表中每个元素的意思:
> lapply(x,mean) [[1]] [1] 2 [[2]] [1] 5 [[3]] [1] 8
do.call给出一个错误,正如意味着参数“trim”为1。
另一方面, rbind绑定所有参数。 所以绑定x行,你做:
> do.call(rbind,x) [,1] [,2] [,3] [1,] 1 2 3 [2,] 4 5 6 [3,] 7 8 9
如果你使用lapply ,r会将rbind应用于列表中的每一个元素,给你这个废话:
> lapply(x,rbind) [[1]] [,1] [,2] [,3] [1,] 1 2 3 [[2]] [,1] [,2] [,3] [1,] 4 5 6 [[3]] [,1] [,2] [,3] [1,] 7 8 9
要有像map这样的东西,你需要?mapply ,这是完全不同的东西。 为了得到例如x中每个元素的平均值,但是使用不同的修整,可以使用:
> mapply(mean,x,trim=c(0,0.5,0.1)) [1] 2 5 8
lapply与map类似, do.call不是。 lapply将函数应用于列表的所有元素, do.call调用一个函数,其中所有的函数参数都在列表中。 所以对于一个n元素列表, lapply有n函数调用, do.call只有一个函数调用。 所以do.call与lapply完全不同。 希望这个澄清你的问题。
一个代码示例:
do.call(sum, list(c(1,2,4,1,2), na.rm = true))
和:
lapply(c(1,2,4,1,2), function(x) x + 1)
用最简单的话来说:
lapply()为列表中的每个元素应用一个给定的函数,所以会有几个函数调用。
do.call()将给定的函数作为一个整体应用于列表,所以只有一个函数调用。
最好的学习方法是在r文档中使用函数示例。
lapply()是一个类似地图的函数。 do.call()是不同的。 它用于将parameter passing给列表forms的函数,而不是枚举它们。 例如,
> do.call("+",list(4,5)) [1] 9
虽然有很多答案,这里是我的例子供参考。 假设我们有一个数据列表:
l=list(c(1,2,3), c(4,5,6))
函数lapply返回一个列表。
lapply(l, sum)
上面的意思就像下面这样。
list( sum( l[[1]]) , sum( l[[2]]))
现在让我们为do.call做同样的事情
do.call(sum, l)
它的意思是
sum( l[[1]], l[[2]])
在我们的例子中,它返回21.总之,lapply总是返回一个列表,而do.call的返回types实际上取决于执行的函数。
两者的区别是:
lapply(1:n,function,parameters)
=>这个发送1,参数到function=>这个发送2,参数到function等等
do.call
只需发送1 … n作为一个向量和参数来运行
所以在应用你有n个函数调用,在do.call中你只有一个
我觉得在这方面一个重要的方面没有得到certificate(或对我来说不明显)。 也就是说,您可以使用do.call将list中的命名parameter passing给函数。
例如, runif需要参数n , min和max 。 可以使用do.call来传递这些信息,如下所示。
para <- list(n = 10, min = -1, max = 1) do.call(runif, para) #[1] -0.4689827 -0.2557522 0.1457067 0.8164156 -0.5966361 0.7967794 #[7] 0.8893505 0.3215956 0.2582281 -0.8764275
以上为个人经验,希望能给大家一个参考,也希望大家多多支持。如有错误或未考虑完全的地方,望不吝赐教。