规范化 data.table 的每一行

Question

这看起来应该很简单，但我找不到答案:(。我正在尝试规范化 data_table 的每一行，如下所示：

normalize <- function(x) {
  s = sum(x)
  if (s>0) {
    return(x/s)
  } else {
    return 0
  }
}

如何在 data.table 的每一行调用此函数并返回规范化的 data.table？我可以做一个 for 循环，但这肯定不是正确的方法，据我所知，apply(data, 1, normalize) 会将我的 data.table 转换为矩阵，这将对性能造成很大影响。

Answer 1

这是我想出的。首先你需要编辑你的函数（我相信），让它 returns rep(0, length(x)) 而不是 0.

set.seed(123); DT <- data.table(x=rnorm(1e3), y=rnorm(1e3), z=rnorm(1e3))
> DT
                x           y          z
   1: -0.56047565 -0.99579872 -0.5116037
   2: -0.23017749 -1.03995504  0.2369379
   3:  1.55870831 -0.01798024 -0.5415892
   4:  0.07050839 -0.13217513  1.2192276
   5:  0.12928774 -2.54934277  0.1741359
  ---                                   
 996: -0.08997520  0.07664366  1.0609662
 997:  1.07051604  0.25516476 -0.4455056
 998: -1.35110039  0.27744682 -0.4291802
 999: -0.52261670  0.53685602  1.1890118
1000: -0.24919068 -0.46048557  0.8342941
> DT[, c('x', 'y', 'z') := as.list(normalize(c(x, y, z))), by=1:nrow(DT)]                                                                             
> DT
                x           y          z
   1:  0.00000000  0.00000000  0.0000000
   2:  0.00000000  0.00000000  0.0000000
   3:  1.56005167 -0.01799574 -0.5420559
   4:  0.06091117 -0.11418417  1.0532730
   5:  0.00000000  0.00000000  0.0000000
  ---                                   
 996: -0.08588413  0.07315877  1.0127254
 997:  1.21625341  0.28990225 -0.5061557
 998:  0.00000000  0.00000000  0.0000000
 999: -0.43433718  0.44617122  0.9881660
1000: -1.99963905 -3.69518205  6.6948211

Answer 2

使用 apply 可能有更简单（也更快）的方法来执行此操作，但此方法有效。我认为它也更具可读性，但这只是我的意见。

# Creating sample data.
myDF <- data.frame(a = seq(1, 50), b = seq(1, 100, 2) , c = seq(1, 200, 4))
# Going through each row and dividing its contents by the sum of that row.
for (row in rownames(myDF)) { myDF[row, ] <- myDF[row, ] / sum(myDF[row, ]) }

请注意，这确实要求您的行名是数字。

Answer 3

考虑这个示例数据集（下次请自行提供示例数据集）

set.seed(123) 
DT <- data.table(x = rnorm(10), y = rnorm(10), z = rnorm(10))

我会尝试使用 rowSums 来避免按行操作和 vecotrize，类似于以下内容

DT[, names(DT) := {temp = rowSums(.SD) ; (.SD / temp) * (temp > 0)}]
DT
#              x          y          z
#  1:  0.0000000  0.0000000  0.0000000
#  2:  0.0000000  0.0000000  0.0000000
#  3:  1.6697906  0.4293327 -1.0991233
#  4:  0.0000000  0.0000000  0.0000000
#  5:  0.0000000  0.0000000  0.0000000
#  6:  0.9447911  0.9843707 -0.9291618
#  7:  0.2565558  0.2771142  0.4663301
#  8:  0.0000000  0.0000000  0.0000000
#  9:  0.0000000  0.0000000  0.0000000
# 10: -1.3289000 -1.4097961  3.7386962

我创建temp的原因是为了避免运行rowSums(.SD)两次。 *(temp > 0) 部分基本上是您的 if 和 else 声明。它 returns 是 TRUE/FALSE 的逻辑向量，然后转换为 1/0，然后与 (.SD/temp)

相乘

Answer 4

这是避免强制转换为矩阵的一种方法：

cols = names(DT)
DT[, s := Reduce("+",.SD)]
DT[s > 0, (cols) := lapply(.SD,"/",s), .SDcols = cols]
DT[s <=  0, (cols) := 0]
DT[, s := NULL]

如果有充分的理由在矩阵上使用 data.table（在后面的步骤中），我就会这样做。

规范化 data.table 的每一行

Normalize each row of data.table

performance

r

normalization

data.table