R 将函数应用于矩阵或数据帧的每一行

假设我有一个n乘2的矩阵和一个以2向量为参数的函数。我想把这个函数应用到矩阵的每一行，得到一个n向量。如何在R中执行此操作

例如，我想计算三个点上二维标准正态分布的密度：

bivariate.density(x = c(0, 0), mu = c(0, 0), sigma = c(1, 1), rho = 0){
    exp(-1/(2*(1-rho^2))*(x[1]^2/sigma[1]^2+x[2]^2/sigma[2]^2-2*rho*x[1]*x[2]/(sigma[1]*sigma[2]))) * 1/(2*pi*sigma[1]*sigma[2]*sqrt(1-rho^2))
}

out <- rbind(c(1, 2), c(3, 4), c(5, 6))

双变量密度（x=c（0，0），μ=c（0，0），σ=c（1，1），ρ=0）{ exp（-1/（2*（1-rho^2））*（x[1]^2/sigma[1]^2+x[2]^2/sigma[2]^2-2*rho*x[1]*x[2]/（sigma[1]*sigma[2]）*1/（2*pi*sigma[1]*sigma[2]*sqrt（1-rho^2）） }

---

out您只需使用

apply（）

函数：

R> M <- matrix(1:6, nrow=3, byrow=TRUE)
R> M
     [,1] [,2]
[1,]    1    2
[2,]    3    4
[3,]    5    6
R> apply(M, 1, function(x) 2*x[1]+x[2])
[1]  4 10 16
R> 

bvout[] <-apply(out, 1, FUN=bvnormdens, mu=c(-1,1), rho=0.6)

R>M
[,1] [,2]
[1,]    1    2
[2,]    3    4
[3,]    5    6
R> 应用（M，1，函数（x）2*x[1]+x[2]）
[1]  4 10 16
R>

---

这需要一个矩阵，并对每一行应用一个（愚蠢的）函数。将额外的参数传递给函数，如第四、第五、。。。

apply（）

的参数第一步是创建函数对象，然后应用它。如果需要具有相同行数的矩阵对象，可以预定义它并使用如图所示的object[]形式（否则返回值将简化为向量）：

---

bvnormdens如果要应用sum或mean等常用函数，则应使用
rowSums
或
rowsmeans
，因为它们比
apply（data，1，sum）
方法更快。否则，请坚持使用
apply（数据，1，乐趣）
。您可以在有趣的参数之后传递其他参数（正如Dirk已经建议的）：

如果要使用数据集的不同部分而不是单个值，另一种方法是使用
rollappy（数据、宽度、乐趣等）
。使用宽度向量可以在数据集的不同窗口上应用函数。我用它来构建一个自适应过滤例程，虽然它不是很有效。
这里是一个将函数应用于矩阵每一行的简短示例。
（此处，应用的函数将每行规格化为1。）

注意：必须使用
t（）
对
apply（）
的结果进行转置，以获得与输入矩阵
A
相同的布局

A <- matrix(c(
  0, 1, 1, 2,
  0, 0, 1, 3,
  0, 0, 1, 3
), nrow = 3, byrow = TRUE)

t(apply(A, 1, function(x) x / sum(x) ))

Apply做得很好，但速度很慢。
使用Sappy和vapply可能会有用。dplyr的rowwise也可能有用
让我们看一个如何对任何数据帧进行行积的示例

a = data.frame(t(iris[1:10,1:3]))
vapply(a, prod, 0)
sapply(a, prod)

请注意，在使用vapply/sapply/apply之前为变量赋值是一种很好的做法，因为这样可以大大减少时间。让我们看看微基准测试结果

a = data.frame(t(iris[1:10,1:3]))
b = iris[1:10,1:3]
microbenchmark::microbenchmark(
    apply(b, 1 , prod),
    vapply(a, prod, 0),
    sapply(a, prod) , 
    apply(iris[1:10,1:3], 1 , prod),
    vapply(data.frame(t(iris[1:10,1:3])), prod, 0),
    sapply(data.frame(t(iris[1:10,1:3])), prod) ,
    b %>%  rowwise() %>%
        summarise(p = prod(Sepal.Length,Sepal.Width,Petal.Length))
)

仔细看看t（）是如何使用的
谢谢！如果矩阵的行不是函数的第一个参数，该怎么办？如何指定将矩阵的每一行分配给函数的哪个参数？请阅读
apply（）
——它按行扫描（当第二个参数为1时，按列扫描），当前行（或列）始终是第一个参数。这就是事物的定义方式。@Tim：如果您使用一个内部R函数，而行不是第一个参数，请像Dirk那样做，并创建自己的自定义函数，其中行是第一个参数。plyr软件包提供了一系列此类函数。它还提供了更多的功能，包括并行处理。@cryptic0这个答案很晚，但对于谷歌来说，apply中的第二个参数是
MARGIN
参数。这里的意思是将函数应用于行（dim（M）

中的第一个维度）。如果是2，它会将函数应用于列。如果使用

b，比较apply系列可能更公平
A <- matrix(c(
  0, 1, 1, 2,
  0, 0, 1, 3,
  0, 0, 1, 3
), nrow = 3, byrow = TRUE)

t(apply(A, 1, function(x) x / sum(x) ))

     [,1] [,2] [,3] [,4]
[1,]    0 0.25 0.25 0.50
[2,]    0 0.00 0.25 0.75
[3,]    0 0.00 0.25 0.75

a = data.frame(t(iris[1:10,1:3]))
vapply(a, prod, 0)
sapply(a, prod)

a = data.frame(t(iris[1:10,1:3]))
b = iris[1:10,1:3]
microbenchmark::microbenchmark(
    apply(b, 1 , prod),
    vapply(a, prod, 0),
    sapply(a, prod) , 
    apply(iris[1:10,1:3], 1 , prod),
    vapply(data.frame(t(iris[1:10,1:3])), prod, 0),
    sapply(data.frame(t(iris[1:10,1:3])), prod) ,
    b %>%  rowwise() %>%
        summarise(p = prod(Sepal.Length,Sepal.Width,Petal.Length))
)