4

我已经发布了一个非常相似的问题,但情况发生了变化,我得到的答案对这些“新特性”无效

旧帖:

我想知道是否可以在嵌套列表的不同级别rapply应用函数,在列表中但在同一级别递归应用函数。我的问题与在不同级别应用不同长度的函数有关。举例说明:

list <- list(list(a=1:5, b=5:9, c=6:10, d=1:5),
             list(e=2:6, f=3:7, g=8:12),
             list(h=3:7, i=6:10, j=11:15, k=2:6),
             list(l=4:8, m=2:6),
             list(n=5:9, o=1:5, p=2:6, q=0:4),
             list(r=6:10, s=3:7, t=9:13))

我想将函数应用sum到第一个元素(例如[[1]]$a=1, [[1]]$b=5, [[1]]$c=6, [[1]]d=1,然后到第二个元素(例如[[1]]$a=2, [[1]]$b=6, [[1]]$c=7, [[1]]$d=2)等等。结果应该是这样的:

[[1]]
13 17 21 25 29

[[2]]
13 16 19 22 25

[[3]]
22 26 30 34 38

[[4]]
6 8 10 12 14

[[5]]
8 12 16 20 24

[[6]]
18 21 24 27 30

也许是rapply和的组合mapply

谢谢

新帖子

@G.Grothendieck 已经为我提供了一个很好的解决方案,但是,我还有其他 pvalues 列表,我想在其中应用更复杂的函数,例如mean或其他函数,例如:

Fisher.test <- function(p) {
  Xsq <- -2*sum(log(p))
  p.val <- 1-pchisq(Xsq, df = 2*length(p))
  return(p.val)
}

Reduce 不能像使用sum或 with之类的函数那样工作f="+",有什么建议吗?

这是这个新列表的外观示例“

pval.list <- list(list(a=c(0.05, 0.0001, 0.32, 0.45), b=c(0.1,0.12,0.01,0.06), c=c(0.1,0.12,0.01,0.06), d=c(0.01,0.02,0.03,0.04)),
             list(e=c(0.04, 0.1, 0.232, 0.245), f=c(0.05, 0.01, 0.22, 0.54), g=c(0.005, 0.1, 0.032, 0.045)),
             list(h=c(0.03, 0.01, 0.12, 0.4), i=c(0.5, 0.0001, 0.132, 0.045), j=c(0.005, 0.0001, 0.0032, 0.045), k=c(0.5, 0.1, 0.932, 0.545)),
             list(l=c(0.022, 0.0012, 0.32, 0.45), m=c(0.0589, 0.0001, 0.0032, 0.0045)),
             list(n=c(0.051, 0.01, 0.32, 0.45), o=c(0.05, 0.0001, 0.32, 0.45), p=c(0.05, 0.0001, 0.32, 0.45), q=c(0.05, 0.0001, 0.32, 0.45)),
             list(r=c(0.053, 0.001, 0.32, 0.45), s=c(0.05, 0.0001, 0.32, 0.45), t=c(0.05, 0.0001, 0.32, 0.45)))
4

4 回答 4

3

虽然Reduce不能直接应用,Fisher.test但可以应用,cbind然后Fisher.test可以应用:

> lapply(lapply(pval.list, Reduce, f = cbind), apply, 1, Fisher.test)
[[1]]
[1] 1.953968e-03 2.999509e-05 5.320831e-04 1.339104e-02

[[2]]
[1] 0.0007878665 0.0052625525 0.0457435481 0.1146067577

[[3]]
[1] 8.982382e-03 3.055250e-08 1.064109e-02 5.094879e-02

[[4]]
[1] 9.911091e-03 2.032293e-06 8.073256e-03 1.458443e-02

[[5]]
[1] 2.357950e-03 6.135981e-11 3.326486e-01 6.038488e-01

[[6]]
[1] 6.597414e-03 3.470933e-09 3.362226e-01 5.708789e-01

添加:

这可以使用simplify2array这样的稍微缩短:

lapply(lapply(pval.list, simplify2array), apply, 1, Fisher.test)

data.frame像这样使用:

lapply(lapply(pval.list, data.frame), apply, 1, Fisher.test)
于 2013-05-23T15:04:00.503 回答
3

你可以使用:

lapply(pval.list, function(x){apply(do.call(rbind, x), 2, Fisher.test)})
[[1]]
[1] 1.953968e-03 2.999509e-05 5.320831e-04 1.339104e-02

[[2]]
[1] 0.0007878665 0.0052625525 0.0457435481 0.1146067577

[[3]]
[1] 8.982382e-03 3.055250e-08 1.064109e-02 5.094879e-02

[[4]]
[1] 9.911091e-03 2.032293e-06 8.073256e-03 1.458443e-02

[[5]]
[1] 2.357950e-03 6.135981e-11 3.326486e-01 6.038488e-01

[[6]]
[1] 6.597414e-03 3.470933e-09 3.362226e-01 5.708789e-01
于 2013-05-23T14:07:47.293 回答
1

以下内容对您有用吗?

我的解决方案使用嵌套lapply

1.

lapply(lapply(list, function(l)do.call(rbind, l)), colSums)

2.

lapply(lapply(pval.list, function(l)do.call(rbind, l)), apply, 2, Fisher.test )
于 2013-05-23T14:12:47.190 回答
0

也许它可以用这个包更快地完成plyr,但下面的效果很好。首先创建一个新列表,其中内部列表转换为矩阵

new.pval.list <- vector('list', length(pval.list))
for (i in 1:length(pval.list)) {
  nc <- length(unlist(pval.list[[i]] [1]))
  new.pval.list [[i]] <- matrix(unlist(pval.list[[i]]), ncol = nc, byrow = T)
}

我们可以对带有矩阵的新列表的每个元素使用 apply 函数

lapply(new.pval.list, function(mat) apply(mat, 2, Fisher.test))
于 2013-05-23T14:08:53.543 回答