do.call 基于先前 sapply(seq_along()) 迭代的输出

Question

我有一些算法的命名列表，它可能看起来像这样

> algorithm
$rBinarize
$rBinarize$x
[1] 40

并且可能包含任意数量的附加算法。每个算法对空间对象（spObj，class 栅格）和 returns 修改后的栅格执行操作。然后我想使用 do.call 将父函数中的这个（和所有其他）算法应用于原始输入。但是，我另外想要实现的是定义算法的顺序应用，即在先前算法的输出上。我想出了以下代码，但我对提高性能的其他建议感到好奇，因为这是可能的。

if(sequential){
  for(k in seq_along(algorithm)){
    if(length(algorithm[[k]])==0){
      args <- c(spObj = spObj)
    } else{
      args <- c(algorithm[[k]], spObj = spObj)
    }
    spObj <- do.call(what = names(algorithm)[k], args = args)
  }
} else{
  algorithm2 <- lapply(algorithm, function(x) x <- c(x, spObj = spObj))
  modified <- sapply(seq_along(algorithm2), function(j) do.call(what = names(algorithm2)[[j]], args = algorithm2[[j]]))
}

是否可以使用某种 apply() 结构来代替 for 循环？我不确定我是否只是没有充分理解 apply/do.call 的逻辑，或者这在 R.

中实际上是不可能的

我修改了 for-loop 以使其与 Davids 的建议相媲美，运行对其进行了微基准测试：

microbenchmark(a = for(k in seq_along(alg)){
  if(length(alg[[k]][-1])==0){
    args <- c(spObj = spObj)
  } else{
    args <- c(alg[[k]][-1], spObj = spObj)
  }
  spObj <- do.call(what = alg[[k]]$algorithm, args = args)
},
b = Reduce(f = function(x, y) do.call(what = y$algorithm, args = c(list(x), y[-1])),
       x = alg,
       init = spObj))

这导致

Unit: milliseconds
 expr      min       lq     mean   median       uq      max neval
    a 33.36777 35.22067 39.60699 36.79661 40.75072 152.0171   100
    b 33.35236 35.39173 40.32860 37.51993 40.25102 154.0441   100

这是其中一个 for 循环实际上并不比任何其他解决方案慢的示例吗？

Answer 1

您可以使用内置的 Reduce 函数。

举个简单的例子，假设你的链是这样的：

algorithms <- list(list(func = "sin"),
                   list(func = "cos"),
                   list(func = "log", base = 2))

您希望应用 log(cos(sin(x)), 2) 的等效项。请注意，我已将您的输入结构更改为在每个列表中都有一个名为 func 的项目，而不是名称。

然后您可以通过以下方式应用这些：

Reduce(function(x, y) do.call(y$func, c(list(x), y[-1])),
       algorithms,
       init = spObj)

例如，如果 spObj 以 10 开头，则结果为 -0.2249337，您会注意到它与 log(cos(sin(spObj)), 2).[=20= 相同]

根据您使用的功能，您可能需要根据您的用例稍微调整一下，但通常 Reduce 就是您要查找的内容。

do.call 基于先前 sapply(seq_along()) 迭代的输出

do.call based on output of previous sapply(seq_along()) iteration

r

sapply

do.call