r - 如何将自定义函数应用于嵌套数据框?
问题描述
我正在尝试将自定义函数应用于嵌套数据框
我想应用机器学习算法来预测 NA 值
上网查了一下,好像map功能在这里最适用
我有一段代码嵌套数据框,然后将数据拆分为测试 (data3) 和训练 (data2) 集 - 测试数据集包含要预测的列的所有空值,训练包含所有用于训练 ML 模型的非空值
dmaExtendedDataNA2 <- dmaExtendedDataNA %>%
group_by(dma) %>%
nest() %>%
mutate(data2 = map(data, ~filter(., !(is.na(mean_night_flow)))),
data3 = map(data, ~filter(., is.na(mean_night_flow))))
这是我打算使用的功能:
my_function (test,train) {
et <- extraTrees(x = train, y = train[, "mean_night_flow"], na.action = "fuse", ntree = 1000, nodesize = 2, mtry = ncol(train) * 0.9 )
test1 <- test
test1[ , "mean_night_flow"] <- 0
pred <- predict(et, newdata = test1[, "mean_night_flow"])
test1[ , "mean_night_flow"] <- pred
return(test1)
我尝试了以下代码,但它不起作用:
dmaExtendedDataNA2 <- dmaExtendedDataNA %>%
group_by(dma) %>%
nest() %>%
mutate(data2 = map(data, ~filter(., !(is.na(mean_night_flow)))),
data3 = map(data, ~filter(., is.na(mean_night_flow))),
data4 = map(data3, data2, ~my_function(.x,.y)))
它给出了以下错误:
Error: Index 1 must have length 1, not 33
这表明它需要一列而不是整个数据框。我怎样才能让它工作?
非常感谢
解决方案
如果没有对您的数据进行测试,我认为您使用了错误的map
功能。purrr::map
作用于一个参数(一个列表,一个向量,等等)并返回一个列表。您正在向它传递两个值(data3
和data2
),因此我们需要使用:
dmaExtendedDataNA2 <- dmaExtendedDataNA %>%
group_by(dma) %>%
nest() %>%
mutate(data2 = map(data, ~filter(., !(is.na(mean_night_flow)))),
data3 = map(data, ~filter(., is.na(mean_night_flow))),
data4 = map2(data3, data2, ~my_function(.x,.y)))
如果您发现自己需要两个以上,则需要pmap
. 您可以使用pmap
1 或 2 个参数,实际上是相同的。map
从to迁移时最大的两个区别pmap
是:
你的论点需要包含在一个列表中,所以
map2(data3, data12, ...)
变成
pmap(list(data3, data12), ...)
你用双点号位置,,,,等来引用
..1
它们..2
,..3
所以~ my_function(.x, .y)
变成
~ my_function(..1, ..2)
一种可以稍微简化整体流程的替代方案。
my_function (test, train = NULL, fld = "mean_night_flow") {
if (is.null(train)) {
train <- test[ !is.na(test[[fld]]),, drop = FALSE ]
test <- test[ is.na(test[[fld]]),, drop = FALSE ]
}
et <- extraTrees(x = train, y = train[, fld], na.action = "fuse", ntree = 1000, nodesize = 2, mtry = ncol(train) * 0.9 )
test1 <- test
test1[ , fld] <- 0
pred <- predict(et, newdata = test1[, fld])
test1[ , fld] <- pred
return(test1)
}
train
根据您的字段的缺失自动填充。(我还对其进行了参数化,以防您需要在不同的领域进行训练/测试。)这将您的使用更改为
dmaExtendedDataNA2 <- dmaExtendedDataNA %>%
group_by(dma) %>%
nest() %>%
mutate(data4 = map(data, ~ my_function(.x, fld = "mean_night_flow")))
(命名很重要fld=
,否则会混淆train
。)
如果您计划重用data2
和/或data3
稍后在管道或分析中,那么此步骤不一定是您需要的。
注意:我怀疑您的功能测试不足或不完整。0
您将 all 分配给您test1[,"mean_night_flow"]
然后在调用中使用这些零的事实predict
似乎值得怀疑。我可能会遗漏一些东西,但我希望也许
test1 <- test
pred <- predict(et, newdata = test1)
test1[ , fld] <- pred
return(test1)
(虽然复制到test1
using tibble
ordata.frame
基本上是不必要的,因为它是就地复制的并且原始框架没有受到影响;如果您使用的是 class ,我会更加谨慎data.table
)。
推荐阅读
- javascript - circle.getTotalLength() Internet Explorer 错误
- sql - 在 knex 中创建外部关系时出错 - 表创建竞争条件
- javascript - 如果单击特定按钮,则显示消息
- powershell - PowerShell 从 JSON 对象中提取值,改变
- xamarin.ios - 自定义集合视图未显示
- python - Tix CheckList 两次调用监听器
- python - pandas Grouper 未按预期进行上采样
- json - 虽然迭代器在 groovy
- python-3.x - Gurobi 错误:TypeError:int() 参数必须是字符串、类似字节的对象或数字,而不是 'gurobipy.QuadExpr
- javascript - 2点之间的距离