Использование apply в R с дополнительным векторным аргументом

Если вы понимаете, что R векторизован, и знаете правильные функции, вы можете полностью избежать циклов и сделать все в одной относительно простой строке ...

 colSums(  t( t( X ) <= y ) ) / nrow( X ) 

Посредством векторизации R будет повторно использовать каждый элемент в y в каждом столбце X (по умолчанию он будет делать это по строкам, поэтому мы используем функцию транспонирования t, чтобы превратить столбцы в строки, применить логическое сравнение <= и затем снова транспонировать обратно.

Поскольку TRUE и FALSE оцениваются как 1 и 0 соответственно, мы можем использовать colSums для эффективного получения количества строк в каждом столбце, удовлетворяющего условию, а затем разделить каждый столбец на общее количество строк (помните повторное использование правило!). Это точно такой же результат ....

res1 <- apply(X2, 2, percentile2)
res2 <- colSums(  t( t( X ) <= y ) ) / nrow( X )
identical( res1 , res2 )
[1] TRUE

Очевидно, что поскольку здесь не используются циклы R, он на много быстрее (~ в 10 раз на этой маленькой матрице).

Еще лучше было бы использовать rowMeans вот так (спасибо @flodel):

     rowMeans(  t(X) <= y  ) 

Я думаю, что самый простой и понятный способ - использовать цикл for:

result2 <- numeric(ncol(X))
for (i in seq_len(ncol(X))) {
  result2[i] <- sum(X[,i] <= y[i])
}
result2 <- result2 / nrow(X)

самое быстрое и самое короткое решение, которое я могу придумать:

result1 <- rowSums(t(X) <= y) / nrow(X)

В ответе SimonO101 есть объяснение, как это работает. Как я уже сказал, это быстро. Однако недостатком является то, что менее ясно, что именно здесь вычисляется, хотя вы можете решить эту проблему, поместив этот фрагмент кода в функцию с хорошо названным именем.

flodel также предлагает решение с использованием mapply, которое является apply, которое может работать с несколькими векторами. Однако, чтобы это сработало, вам сначала нужно поместить каждый из ваших столбцов или вашу матрицу в list или data.frame:

result3 <- mapply(percentile, as.data.frame(X), y)

С точки зрения скорости (см. Ниже некоторые тесты производительности) цикл for не так уж плох, и он быстрее, чем при использовании apply (по крайней мере, в этом случае). Уловка с rowSums и повторным использованием векторов выполняется быстрее, более чем в 10 раз быстрее, чем решение с использованием apply.

> X <- matrix(rnorm(10000 * 100), nrow = 10000, ncol = 100)
> y <- runif(100)
> 
> system.time({result1 <- rowSums(t(X) <= y) / nrow(X)})
   user  system elapsed 
  0.020   0.000   0.018 
> 
> system.time({
+   X2 <- rbind(X, y)
+   percentile2 <- function(x){
+     v <- x[length(x)]
+     x <- x[-length(x)]
+     length(x[x <= v]) / length(x)
+   }
+   result <- apply(X2, 2, percentile2)
+ })
   user  system elapsed 
  0.252   0.000   0.249 
> 
> 
> system.time({
+   result2 <- numeric(ncol(X))
+   for (i in seq_len(ncol(X))) {
+     result2[i] <- sum(X[,i] <= y[i])
+   }
+   result2 <- result2 / nrow(X)
+ })
   user  system elapsed 
  0.024   0.000   0.024 
>
> system.time({
+   result3 <- mapply(percentile, as.data.frame(X), y)
+ })
   user  system elapsed 
  0.076   0.000   0.073 
>
> all(result2 == result1)
[1] TRUE
> all(result2 == result)
[1] TRUE
> all(result3 == result)
[1] TRUE