do.call

Question

目標

私はパラメータのグリッド上でシミュレーションを実行するためにdplyr使用することなく、パラメータのグリッド上でシミュレーションを実行するために、標準的な評価とDO_を使用しました。具体的には、私は、引数

はまた、いくつかを渡されたとして、私は

• は、行ごとにdata.frame
• を渡されることを他のプログラムで使用できる機能は、各列を使用して、いくつかのシミュレーションを計算したいと思います余分なデータ（例えば、初期条件）

ここに私のアプローチは

require(dplyr) 
run <- function(data, fun, fixed_parameters, ...) { 
    ## .... 
    ## argument checking 
    ## 

    fixed_parameters <- as.environment(fixed_parameters) 
    grouped_out <- do_(rowwise(data), ~ do.call(fun, c(., fixed_parameters, ...))) 
    ungroup(grouped_out) 
} 

THさん作品です。 do.callせずにそれを行うための方法がありますたとえば、

growth <- function(n, r, K, b) { 
    # some dynamical simulation 
    # this is an obviously-inefficient way to do this ;) 
    n + r - exp(n)/K - b - rnorm(1, 0, 0.1) 
} 
growth_runner <- function(r, K, b, ic, ...) { 
    # a wrapper to run the simulation with some fixed values 
    n0 = ic$N0 
    T = ic$T 
    reps = ic$reps 
    data.frame(n_final = replicate(reps, {for(t in 1:T) { 
              n0 <- growth(n0, r, K, b) 
             }; 
             n0}) 
) 
} 

のために私は疑問に思う、これが動作しているようにもかかわらず

data <- expand.grid(b = seq(0.01, 0.5, length.out=10), 
         K = exp(seq(0.1, 5, length.out=10)), 
         r = seq(0.5, 3.5, length.out=10)) 
    initial_data = list(N0=0.9, T=5, reps=20) 
    output <- run(data, growth_runner, initial_data) 

質問、

を定義して実行することができます。 （部分的にはissues with do.callのため）

私は実際にdo.callのない同じことをする何かにgrouped_out <- do_(rowwise(data), ~ do.call(fun, c(., fixed_parameters, ...)))という行を置き換える方法に興味があります。 編集：上記のリンクで概説したdo.callを使用した場合のパフォーマンス上の不利益を何とか回避するアプローチも有効です。

ノートや参考文献が

• this question on do.call and standard evaluation in dplyr便利ですが、私は可能であればdo.call回避する方法を探しています
• dplyrのnse vignetteこれを書くことに役立ちました。そして、私は.valuesがdo.call

Answer 1

の代わりに働くことができると思います以下do.callを使用して回避し、OPと同じように出力を提示しています。

まず、関数のパラメータを、渡すベクトルで置き換えます。これは、applyを使用して渡すものです。

growth_runner <- function(data.in, ic, ...) { 
    # a wrapper to run the simulation with some fixed values 
    n0 = ic$N0 
    T = ic$T 
    reps = ic$reps 
    data.frame(n_final = replicate(reps, {for(t in 1:T) { 
    n0 <- growth(n0, data.in[3], data.in[2], data.in[1]) 
    }; 
    n0}) 
) 
} 

以前と同じように、検索するグリッドを設定します。

data <- expand.grid(b = seq(0.01, 0.5, length.out=10), 
        K = exp(seq(0.1, 5, length.out=10)), 
        r = seq(0.5, 3.5, length.out=10)) 
initial_data = list(N0=0.9, T=5, reps=20) 

使用することは、あなたのグリッドを通過して、結果

output.mid = apply(data, 1, ic=initial_data, FUN=growth_runner) 
output <- data.frame('n_final'=unlist(output.mid)) 

を追加し、あなたがdo.callへの呼び出し、または任意の外部ライブラリなしで、あなたの出力を持つように適用されます。

> dim(output) 
[1] 20000  1 
> head(output) 
    n_final 
1 -0.6375070 
2 -0.7617193 
3 -0.3266347 
4 -0.7921655 
5 -0.5874983 
6 -0.4083613 

Answer 2

あなたは（purrr:invoke_rows()を指摘し@shorpyに感謝）以下とdo.callの行を置き換えることができます。

grouped_out <- purrr::invoke_rows(fun, dplyr::rowwise(data), fixed_parameters) 

を、他に変更を加えることなく、これはとのデータフレームを与えますdata.framesの列など

Source: local data frame [1,000 x 4] 
      b  K  r    .out 
     (dbl) (dbl) (dbl)    (chr) 
1 0.01000000 1.105171 0.5 <data.frame [20,1]> 
2 0.06444444 1.105171 0.5 <data.frame [20,1]> 
3 0.11888889 1.105171 0.5 <data.frame [20,1]> 

元の動作に近いものを復元するには、電子

Source: local data frame [20,000 x 4] 

     b  K  r n_final 
    (dbl) (dbl) (dbl)  (dbl) 
1 0.01 1.105171 0.5 -0.6745470 
2 0.01 1.105171 0.5 -0.7500365 
3 0.01 1.105171 0.5 -0.6568312 

を与える

dplyr::ungroup(tidyr::unnest(grouped_out, .out)) 

とrunの最後の行は、コードの他の変更は必要ありません:)

Answer 3

を私はあなたのコードに従うこと、それは少しトリッキー見つけましたが、私は思いますこれは同等です。

まず、私はあなたが興味を持っている計算ない機能定義：

growth_t <- function(n0, r, K, b, T) { 
    n <- n0 

    for (t in 1:T) { 
    n <- n + r - exp(n)/K - b - rnorm(1, 0, 0.1) 
    } 
    n 
} 

は、その後、私は担当者のための「ダミー」変数を含め、あなたが変化するようにしたいデータを定義する：

data <- expand.grid(
    b = seq(0.01, 0.5, length.out = 5), 
    K = exp(seq(0.1, 5, length.out = 5)), 
    r = seq(0.5, 3.5, length.out = 5), 
    rep = 1:20 
) 

それから私はそれをpurrr::pmap_d()に入れることができます。 pmap_d()は、「パラレル」マップを実行します。つまり、リスト（またはデータフレーム）を入力として受け取り、各反復ごとにすべての名前付き引数を変更する関数を呼び出します。固定パラメータは、関数名の後に指定します。それはデータ操作については、実際にはないので

library(purrr) 
data$output <- pmap_dbl(data[1:3], growth_t, n0 = 0.9, T = 5) 

これは本当に、私にはdplyrの問題のように感じることはありません。