je montre trois autres one-liners:

• each fonction de plyr
• plyreach function avec la base de R
• pmin et pmax fonctions qui sont vectoriser

Solution 1: plyr et chaque

plyr le paquet définit le each fonction qui fait ce que vous voulez. À partir de ?each:regrouper plusieurs fonctions en un seul fonction. cela signifie que vous pouvez résoudre votre problème en utilisant une doublure unique:

library(plyr)
adply(df1, 1, each(MAE=function(x)max(x, 0), MFE=function(x)min(x, 0)))

  Bar1 Bar2 MAE MFE
1    1    3   3   0
2    2    1   2   0
3    3    3   3   0
4   -3   -2   0  -3
5   -2   -3   0  -3
6   -1   -1   0  -1

Solution 2: chaque et de la base de R

Vous pouvez, bien sûr, utiliser each avec des fonctions de base. Voici comment vous pouvez l'utiliser avec apply - il suffit de noter que vous devez transposer les résultats avant d'ajouter à vos données originales.cadre.

library(plyr)
data.frame(df1, 
  t(apply(df1, 1, each(MAE=function(x)max(x, 0), MFE=function(x)min(x, 0)))))

  Bar1 Bar2 MAE MFE
1    1    3   3   0
2    2    1   2   0
3    3    3   3   0
4   -3   -2   0  -3
5   -2   -3   0  -3
6   -1   -1   0  -1

Solution 3: Utilisation de fonctions vectorisées

utilisant des fonctions vectorisées pmin et pmax, vous pouvez utiliser cette ligne de commande:

transform(df1, MFE=pmax(0, Bar1, Bar2), MAE=pmin(0, Bar1, Bar2))

  Bar1 Bar2 MFE MAE
1    1    3   3   0
2    2    1   2   0
3    3    3   3   0
4   -3   -2   0  -3
5   -2   -3   0  -3
6   -1   -1   0  -1

Il y a beaucoup de bonnes réponses ici. J'ai commencé ça pendant que Gavin Simpson éditait donc nous couvrons un terrain similaire. Ce que font les min et max parallèles (pmin et pmax) est à peu près exactement ce pour quoi vous écrivez vos fonctions. Il peut être un peu opaque ce que le 0 fait dans pmax (0, Bar1, Bar2) mais essentiellement 0 est recyclé de sorte que c'est comme faire

pmax(c(0,0,0,0,0,0), Bar1, Bar2)

qui va prendre chaque élément des trois choses passées et trouver le max d'entre eux. Donc, le max sera 0 s'il était négatif et accomplit une grande partie de ce que votre déclaration ifelse a fait. Vous pouvez réécrire de sorte que vous obtenez des vecteurs et combiner des choses avec des fonctions similaires à ce que vous faisiez et qui pourrait le rendre un peu plus transparent. Dans ce cas, nous ne faisons que passer la dataframe à une nouvelle fonction parallèle et rapide de findMFE qui fonctionnera avec n'importe quelle dataframe numérique et sortira un vecteur.

findMFE <- function(dataf){
    MFE <- do.call( pmax, c(dataf, 0, na.rm = TRUE))
}

MFE <- findMFE(df1)

Ce que cette fonction n'est d'ajouter une colonne supplémentaire de 0s à la trame de données et ensuite appeler pmax passer chaque colonne séparée de df1 comme si c'était une liste (les dataframes sont des listes donc c'est facile).

maintenant, je note que vous voulez en fait corriger les valeurs Inf dans vos données qui ne sont pas dans votre exemple... nous pourrions ajouter une ligne supplémentaire à votre fonction...

findMFE <- function(dataf){
    MFE <- do.call( pmax, c(dataf, 0, na.rm = TRUE))
    ifelse(is.infinite(MFE), 0, MFE)
}

maintenant, c'est l'utilisation correcte de la fonction ifelse() sur un vecteur. Je l'ai fait comme un exemple pour vous, mais L'utilisation de MFE par Gavin Simpson est.infinite (MFE)] <- 0 est plus efficace. Notez que cette findMFE la fonction n'est pas utilisée dans une boucle, elle passe juste toute la base de données.

L'comparables findMAE est...

findMAE <- function(dataf){
    MAE <- do.call( pmin, c(dataf, 0, na.rm = TRUE))
    ifelse(is.infinite(MAE), 0, MAE)
}

et la fonction combinée est tout simplement...

findMFEandMAE <- function(dataf){
    MFE <- findMFE(dataf)
    MAE <- findMAE(dataf)
    return(data.frame(MFE, MAE))
}

Pfeandmae < - findMFEandMAE (df1) df1 < - cbind (df1, MFEandMAE)

Quelques conseils

si vous avez une déclaration scalaire if n'utilisez pas ifelse (), utilisez if () else. C'est beaucoup plus rapide dans des situations scalaires. Vos fonctions sont scalaires et vous essayez de les vectoriser. ifelse() est déjà vectorisé et fonctionne très rapidement lorsqu'il est utilisé de cette façon mais beaucoup plus lentement que si () autrement lorsqu'il est utilisé scalar.

Aussi, si vous allez mettre des trucs dans une boucle ou d'appliquer la déclaration mettre aussi peu possible. Par exemple, dans votre cas, l'ifelse() devait vraiment être retiré de la boucle et appliqué à l'ensemble du résultat MFE par la suite.

Si vous vraiment, voulez vraiment, vous pouvez:

FindMAEandMFE <- function(x){
    t(apply(x, 1, function(currow){c(MAE=FindMAE(currow), MFE=FindMFE(currow))}))
}

(pas testé - elle doit retourner un tableau avec deux (nommé, je crois), les colonnes et autant de lignes que de données.cadre a). Maintenant, vous pouvez faire:

df1<-cbind(df1, FindMAEandMFE(df1))

Très dégueulasse. Suivez les conseils de Gavin.