拆分－套用－合併

R 的可擴展資料處理

Michael Kane

Assistant Professor, Yale University

拆分－套用－合併

拆分：split()
套用：Map()
合併：Reduce()

用 split() 分區

split() 會將資料分區

第一個引數是要拆分的向量或 data.frame
第二個引數是用來定義分區的 factor 或 integer 值

# Get the rows corresponding to each of the years in the mortgage data
 year_splits <- split(1:nrow(mort), mort[,"year"])
# year_splits is a list
class(year_splits)

"list"

# The years that we've split over
names(year_splits)

"2008" "2009" "2010" "2011" "2012" "2013" "2014" "2015"

# The first few rows corresponding to the year 2010
year_splits[["2010"]][1:10]

1  6  7 10 21 23 24 27 29 38

用 Map() 計算

Map() 會對各分區進行運算

第一個引數是要套用到每個分區的函式
第二個引數是各分區資料

用 Map() 計算

col_missing_count <- function(mort) {
   apply(mort, 2, function(x) sum(x == 9))} 
# For each of the years count the number of missing values for 
# all columns
missing_by_year <- Map(
   function(x) col_missing_count(mort[x, ]),
   year_splits)

missing_by_year[["2008"]]

enterprise         record_number                   msa 
        0                    12                     0 
# ...

用 Reduce() 合併

Reduce() 會將所有分區的結果合併

第一個引數是用來合併的函式
第二個引數是分區後的資料

# Calculate the total missing values by column
Reduce(`+`, missing_by_year)

enterprise         record_number                   msa 
         0                    64                     0

# ... 
# Label the rownames with the year
mby <- Reduce(rbind, missing_by_year)
row.names(mby) <- names(year_splits)
mby[1:3, 1:3]

     enterprise record_number msa
2008          0            12   0
2009          0             8   0
2010          0            10   0

一起來練習吧！

R 的可擴展資料處理