使用 tidyverse 方案按列值进行子集化和 row_binding

Question

我有一个 data.frame，我想将其（按行）子集化为（重叠）"batches"，然后 purrr:::map 将这些批处理为一个函数。在下面的示例中，d 是 data.frame 我想要子集和批处理：

set.seed(19)
n1 <- data.frame(c0= "N",c1 = rep("A",4),c2 = rep(c("i","j"),2), num = rnorm(4))
n2 <- data.frame(c0= "N", c1 = rep("B",6),c2 = rep(c("i","j"),3), num = rnorm(3))
y1 <- data.frame(c0 = "Y", c1 = rep("A",2),c2 = c("i","j"), num = rnorm(2))
y2 <- data.frame(c0 = "Y", c1 = rep("B",4),c2 = rep(c("i","j"),each = 2), num = rnorm(2))

d <- rbind(y1,y2,n1,n2)

这里是d

#   c0 c1  c2      num
# 1  Y  A  i -0.7447795
# 2  Y  A  j -0.2597870
# 3  Y  B  i -0.1830838
# 4  Y  B  i  0.5186300
# 5  Y  B  j -0.1830838
# 6  Y  B  j  0.5186300
# 7  N  A  i -1.1894537
# 8  N  A  j  0.3885812
# 9  N  A  i -0.3443333
# 10 N  A  j -0.5478961
# 11 N  B  i  0.9806622
# 12 N  B  j -0.2366460
# 13 N  B  i  0.8097397
# 14 N  B  j  0.9806622
# 15 N  B  i -0.2366460
# 16 N  B  j  0.8097397

子集配方是

子集 c0 --> 给出组 Y 和 N
在 c0=="N" 子集内 c1 --> 给出组 NA,NB
通过 c2 对 NA 和 NB 进行子集化 --> 给出组 NAi、NAj、NBi、NBj
row_bind N?i 到 Y?i 和 N?j 到 Y?j（其中 ? 是 A 或 B) --> 给出最后的 4 个数据子集

在 R 中：

subset.Yi <- d %>% filter(c0=="Y"& c2=="i")
subset.Yj <- d %>% filter(c0=="Y"& c2=="j")

list(
  d1 = d %>% filter(c0=="N" & c1 == "A", c2 == "i") %>% rbind(subset.Yi),
  d2 = d %>% filter(c0=="N" & c1 == "B", c2 == "i") %>% rbind(subset.Yi),
  d3 = d %>% filter(c0=="N" & c1 == "A", c2 == "j") %>% rbind(subset.Yj),
  d4 = d %>% filter(c0=="N" & c1 == "B", c2 == "j") %>% rbind(subset.Yj)
) %>% 
tibble::tibble(batches = paste0("batch",1:length(.)),data = .) ->tmp

如果 c2 的匹配不重要，我可以这样做：

d %>% filter(.,c0 == "N") %>% 
  group_by(.,c1) %>% 
    do(batches = rbind(d[d$c0=="Y"],.)) -> tmp

但这还不是全部。先感谢您！顺便说一句，我知道在 tidyverse 之外这是可行的，但是当我为其余代码采用 tidyverse 方案时，我希望保持一致。

Answer 1

这里有一个适用于这种情况的解决方案（不过，很高兴看到其他人提供的其他可能更通用的方法）。

tmp <- d %>% 
  group_by(c2) %>% 
  nest(.key = c2) %>%
  mutate(c2 = map(c2,~ .x %>% 
                    filter(.,c0 == "N") %>% 
                    group_by (.,c1) %>% 
                    do(batches = bind_rows(
                      .x %>% filter(.,c0 == "Y") %>% select(-c1),
                      (.) %>%  select(-c1)  ))
                  ))

tmp 这里将包含四个子集。然后我可以做类似

的事情

tmp %>% unnest(c2) %>% .$batches %>% map(.,~sum(.$num)) %>% unlist

它给出了 4 个子集中每个子集中的 colSum 列 num。

[1] -1.94302047  1.14452254 -0.08355576  1.62951506

旁注：从技术上讲，在这里取消选择 c1 是没有必要的，但因为我是 row_binding，所以数据框的一部分忽略了值 c1（参见上面的子集配方和注释?), c1的值搞糊涂了，所以去掉了

使用 tidyverse 方案按列值进行子集化和 row_binding

Subsetting and row_binding by column values using tidyverse scheme

r

nested

tidyverse

tibble