For Loop in R esimerkkien kanssa listalle ja matriisille

A silmukalle toistaa koodilohkon kerran jokaista sekvenssin elementtiä kohden. Kyseinen sekvenssi voi olla vektori, lista, datakehys, matriisi tai mikä tahansa muu objekti, jonka yli R voi iteroida. R on kirjainkokoriippuvainen, joten avainsana on aina pieni kirjain varten, ja aaltosulkeita tarvitaan aina, kun runko ulottuu useammalle kuin yhdelle riville.

Silmukan syntaksi R:ssä

for (i in vector) {
    Exp
}

Täällä

R kiertää kaikki vektorin muuttujat ja suorittaa laskennan, joka on kirjoitettu exp.

Katsotaanpa muutama esimerkki.

For Loop in R esimerkki 1: Toistamme vektorin kaikki elementit ja tulostamme nykyisen arvon.

# Create fruit vector
fruit <- c('Apple', 'Orange', 'Passion fruit', 'Banana')
# Create the for statement
for ( i in fruit){ 
 print(i)
}

lähtö:

## [1] "Apple"
## [1] "Orange"
## [1] "Passion fruit"
## [1] "Banana"

For Loop in R esimerkki 2Korota jokainen kokonaisluku 1:stä 4:ään neliöön ja tallenna tulokset listaan.

# Create an empty list
list <- c()
# Create a for statement to populate the list
for (i in seq(1, 4, by=1)) {
  list[[i]] <- i*i
}
print(list)

lähtö:

## [1]   1  4 9 16

For-silmukat ovat hyödyllisiä koneoppimistyössä. Regularisointiparametrin virittäminen tarkoittaa useiden ehdokasarvojen testaamista ja säilytystä.ping se, joka minimoi häviöfunktion, ja for-silmukka on suoraviivainen tapa pyyhkäistä tuo alue.

Break- ja Next-kommenttien käyttö For-silmukassa

Kaksi avainsanaa keskeyttää for-silmukan normaalin toiminnan.

• rikkoa poistuu silmukasta välittömästi ja ohittaa kaikki jäljellä olevat elementit.
• seuraava hylkää vain nykyisen elementin ja siirtyy seuraavaan.

fruit <- c('Apple', 'Orange', 'Passion fruit', 'Banana')

# break: stop at the first match
for (i in fruit) {
    if (i == 'Passion fruit') {
        print('Found it, stopping here')
        break
    }
    print(i)
}

# next: skip one element and carry on
for (i in fruit) {
    if (i == 'Orange') next
    print(i)
}

Sisäkkäisissä silmukoissa break and next act -komennot suoritetaan vain sisimmässä silmukassa, joka ne sisältää. Jos haluat jättää molemmat silmukat matriisiasimerkiksi, aseta lippumuuttuja ja testaa sitä myös ulommassa silmukassa.

Käytä indekseihin seq_along()-funktiota. Funktion (i in 1:length(x)) kirjoittaminen näyttää harmittomalta, mutta epäonnistuu tyhjän objektin tapauksessa, koska 1:0 tuottaa sekvenssin 1, 0 ja silmukka suoritetaan kahdesti. seq_along(x) palauttaa sen sijaan tyhjän sekvenssin, joten silmukka ohitetaan oikein:

for (i in seq_along(fruit)) {
    cat(i, fruit[i], '\n')
}

Silmukan yli listan

Vessaping listan yli toimii täsmälleen kuten vessaping vektorin yli, paitsi että jokainen elementti voi olla eri tyyppinen:

# Create a list with three vectors
fruit <- list(Basket = c('Apple', 'Orange', 'Passion fruit', 'Banana'), 
Money = c(10, 12, 15), purchase = FALSE)
for (p  in fruit) 
{ 
	print(p)
}

lähtö:

## [1] "Apple" "Orange" "Passion fruit" "Banana"       
## [1] 10 12 15
## [1] FALSE

Silmukan yli matriisin

Matriisilla on kaksi ulottuvuutta, rivit ja sarakkeet, joten jokaisen solun läpi iterointi vaatii kaksi sisäkkäistä for-silmukkaa: ulomman rivejä ja sisäisen sarakkeita varten.

# Create a matrix
mat <- matrix(data = seq(10, 20, by=1), nrow = 6, ncol =2)
# Create the loop with r and c to iterate over the matrix
for (r in 1:nrow(mat))   
    for (c in 1:ncol(mat))  
         print(paste("Row", r, "and column",c, "have values of", mat[r,c]))  

lähtö:

## [1] "Row 1 and column 1 have values of 10"
## [1] "Row 1 and column 2 have values of 16"
## [1] "Row 2 and column 1 have values of 11"
## [1] "Row 2 and column 2 have values of 17"
## [1] "Row 3 and column 1 have values of 12"
## [1] "Row 3 and column 2 have values of 18"
## [1] "Row 4 and column 1 have values of 13"
## [1] "Row 4 and column 2 have values of 19"
## [1] "Row 5 and column 1 have values of 14"
## [1] "Row 5 and column 2 have values of 20"
## [1] "Row 6 and column 1 have values of 15"
## [1] "Row 6 and column 2 have values of 10" 

Silmukan yli tapahtuvaa silmukkaa varten R:ssä

Datakehys on sarakeluettelo, joten yksinkertainen for-silmukka käy läpi sen sarakkeet rivien sijaan. Yleensä tämä on se, mitä haluat:

df <- data.frame(a = 1:5, b = 6:10, c = 11:15)

# Loop over the columns
for (col in names(df)) {
    cat(col, 'has mean', mean(df[[col]]), '\n')
}

Huomaa kaksoissulku. df[[col]] extracts-funktio määrittää sarakkeen vektorina, kun taas df[col] palauttaa yksisarakkeisen datakehyksen, jota mean() ei pysty käsittelemään.

Vessaping rivien yli. Rivikohtainen iterointi on mahdollista, mutta hidasta, koska R kopioi rivin jokaisella kierroksella:

for (r in seq_len(nrow(df))) {
    cat('Row', r, 'sums to', sum(df[r, ]), '\n')
}

Muutaman tuhannen rivin ylittäville arvoille suositaan rowSums(df), apply(df, 1, sum) tai dplyr. group_by() ja summarize() putkilinja, jotka kaikki tekevät saman työn ilman kopiointia.

Silmukoille vs. vektorisoinnille R:ssä

R on vektorisoitu kieli: useimmat sen operaattorit ja funktiot vaikuttavat jo käännetyssä C-koodissa kokonaisiin vektoreihin samanaikaisesti. Eksplisiittinen silmukka, joka toistaa vektorisoitua operaatiota elementti elementiltä, ​​on sekä pidempi että hitaampi.

# Loop version
squares <- c()
for (i in 1:4) {
    squares[i] <- i * i
}

# Vectorized version, same result
squares <- (1:4)^2

Kun silmukka on edelleen oikea vastaus. Pidä for-silmukka käytössä, kun jokainen iteraatio riippuu edellisestä tuloksesta, kun kutsut ulkoista palvelua tai kirjoitat tiedostoja tai kun selkeys on tärkeämpää kuin nopeus pienen objektin käsittelyssä.

Jos sinun on pakko silmukoida, varaa etukäteen. Objektin kasvattaminen silmukan sisällä pakottaa R:n kopioimaan sen jokaisella läpimenolla. Luo se ensin täysikokoisena:

# Slow: the vector is reallocated on every pass
out <- c()
for (i in 1:1000) out[i] <- i^2

# Fast: allocated once
out <- numeric(1000)
for (i in 1:1000) out[i] <- i^2

Silmukalle R:ssä: Pikaopas

Jokainen tässä opetusohjelmassa käytetty rakenne on lueteltu alla:

for (i in v) { print(i) }

for (i in seq_along(v)) { print(v[i]) }

for (p in my_list) { print(p) }

for (col in names(df)) { print(mean(df[[col]])) }

for (r in 1:nrow(m)) for (c in 1:ncol(m)) print(m[r, c])

if (condition) break

if (condition) next

out <- numeric(n)

UKK