r - 使用 data.frames 列表的索引在数据框的某些元素中应用函数

Question

我有一个 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 

以及与此类似的 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df$A 的那些值对应于列表中的每个 data.frame 并计算 Fisher.test对于 P1...P6。我的做法是合并 df与 list.1然后申请 Fisher.method每个 data.frame在列表中:

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，所以我认为另一种方法可以使用 list.1[1] 的元素索引计算 Fisher.test在 df存储结果，然后使用索引 list.1[2]并计算 Fisher.test等等。这样就可以避免合并，因为所有的计算都是在 df 上进行的。 ，此外，这种方法还可以最大限度地减少 RAM 资源。但是，我不知道如何实现这一目标。也许是一个for循环？

谢谢

Answer 1

在此处利用 data.table 很有帮助，因为您可以使用 .( ) 轻松地对数据进行子集化语法和速度极快，尤其是与使用大数据相比，例如 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

您可能想要修复 list.1 的名称以便结果形成 lapply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