Pokazuję trzy alternatywne jedynki:

• Korzystanie z funkcji each plyr
• Korzystanie z plyr each Funkcja z bazą R
• Korzystanie z funkcji pmin i pmax, które są wektorowe

Rozwiązanie 1: plyr i każdy

Pakiet plyr definiuje funkcję each, która robi to, co chcesz. Od ?each: Połącz wiele funkcji w jedną funkcję. oznacza to, że możesz rozwiązać swój problem za pomocą jednowierszowy:

library(plyr)
adply(df1, 1, each(MAE=function(x)max(x, 0), MFE=function(x)min(x, 0)))

  Bar1 Bar2 MAE MFE
1    1    3   3   0
2    2    1   2   0
3    3    3   3   0
4   -3   -2   0  -3
5   -2   -3   0  -3
6   -1   -1   0  -1

Rozwiązanie 2: każdy i baza R

Można oczywiście używać each Z FUNKCJAMI bazowymi. Oto jak możesz go użyć z apply - pamiętaj, że musisz przetransponować wyniki przed dodaniem do oryginalnych danych.rama.

library(plyr)
data.frame(df1, 
  t(apply(df1, 1, each(MAE=function(x)max(x, 0), MFE=function(x)min(x, 0)))))

  Bar1 Bar2 MAE MFE
1    1    3   3   0
2    2    1   2   0
3    3    3   3   0
4   -3   -2   0  -3
5   -2   -3   0  -3
6   -1   -1   0  -1

Rozwiązanie 3: Korzystanie z funkcji wektorowych

Używając wektoryzowanych funkcji pmin i pmax, możesz użyć tej jednowierszowej:

transform(df1, MFE=pmax(0, Bar1, Bar2), MAE=pmin(0, Bar1, Bar2))

  Bar1 Bar2 MFE MAE
1    1    3   3   0
2    2    1   2   0
3    3    3   3   0
4   -3   -2   0  -3
5   -2   -3   0  -3
6   -1   -1   0  -1

Jest tu wiele dobrych odpowiedzi. Zacząłem to, gdy Gavin Simpson edytował, więc omówimy podobny Grunt. To, co robią równoległe min i max (pmin i pmax), jest prawie dokładnie tym, do czego piszesz swoje funkcje. Może to być trochę nieprzezroczyste, co robi 0 w pmax (0, Bar1, Bar2), ale zasadniczo 0 jest poddawane recyklingowi, więc to tak, jakby robić

pmax(c(0,0,0,0,0,0), Bar1, Bar2)

To zabierze każdy przedmiot z trzech rzeczy, które przeszły i znajdzie ich maksimum. Tak, max będzie 0, jeśli to było negatywne i osiąga wiele z tego, co twoje oświadczenie ifelse zrobił. Możesz przepisać, aby uzyskać wektory i połączyć rzeczy z funkcjami podobnymi do tego, co robiłeś, a to może sprawić, że będzie to nieco bardziej przejrzyste. W tym przypadku po prostu przekazalibyśmy ramkę danych do nowej równoległej i szybkiej funkcji findMFE, która będzie działać z dowolną numeryczną ramką danych i wyjdzie z wektora.

findMFE <- function(dataf){
    MFE <- do.call( pmax, c(dataf, 0, na.rm = TRUE))
}

MFE <- findMFE(df1)

To co robi ta funkcja to dodawanie dodatkowej kolumny 0s do przekazywanej ramki danych, a następnie wywołanie Pmax passing each osobna kolumna df1 jakby byĹ 'a listÄ ...(ramki danych sÄ ... listami, wiÄ ™ c jest to Ĺ' atwe).

Teraz zauważam, że w rzeczywistości chcesz poprawić wartości Inf w swoich danych, które nie są w twoim przykładzie... możemy dodać dodatkową linię do twojej funkcji...

findMFE <- function(dataf){
    MFE <- do.call( pmax, c(dataf, 0, na.rm = TRUE))
    ifelse(is.infinite(MFE), 0, MFE)
}

To jest właściwe użycie funkcji ifelse() na wektorze. Zrobiłem to w ten sposób jako przykład dla ciebie, ale Gavin Simpson używa MFE [jest.infinite(MFE)]

Porównywalnym findMAE jest...

findMAE <- function(dataf){
    MAE <- do.call( pmin, c(dataf, 0, na.rm = TRUE))
    ifelse(is.infinite(MAE), 0, MAE)
}

A funkcja zespolona jest prosta...

findMFEandMAE <- function(dataf){
    MFE <- findMFE(dataf)
    MAE <- findMAE(dataf)
    return(data.frame(MFE, MAE))
}

MFEandMAE

Kilka porad

Jeśli masz polecenie Skalar if nie używaj ifelse (), użyj if () else. Jest znacznie szybszy w sytuacjach skalarnych. Twoje funkcje są skalarne i próbujesz je wektoryzować. ifelse() jest już wektoryzowana i działa bardzo szybko, gdy jest używana w ten sposób ale znacznie wolniejsze niż if () else, gdy jest używane Skalar.

Również, jeśli masz zamiar umieścić rzeczy w pętli lub apply instrukcji umieścić jak najmniej tam, jak to możliwe. Na przykład, w Twoim przypadku ifelse () naprawdę musiało zostać wyjęte z pętli i następnie zastosowane do całego wyniku MFE.

Jeśli naprawdę, naprawdę tego chcesz, możesz:

FindMAEandMFE <- function(x){
    t(apply(x, 1, function(currow){c(MAE=FindMAE(currow), MFE=FindMFE(currow))}))
}

(nie testowane - powinna zwracać tablicę z dwoma (nazwanymi, jak sądzę) kolumnami i tyle wierszy co dane.ramka miała). Teraz możesz zrobić:

df1<-cbind(df1, FindMAEandMFE(df1))