R：purrr：使用 pmap 进行逐行操作，但这次涉及很多列

Question

这不是重复的问题，例如Row-wise iteration like apply with purrr

我了解如何使用 pmap() 对数据框进行逐行操作：

library(tidyverse)

df1 = tribble(~col_1, ~col_2, ~col_3,
               1,      5,      12,
               9,      3,      3,
               6,     10,     7)

foo = function(col_1, col_2, col_3) {
  mean(c(col_1, col_2, col_3))
}

df1 %>% pmap_dbl(foo)

这给出了应用于每一行的函数 foo：

[1] 6.000000 5.000000 7.666667

但是当我有多个列时，这会变得非常笨拙，因为我必须显式地传递它们。如果我说，我的数据框中有 8 列 df2 并且我想应用一个函数 bar 可能涉及这些列中的每一列怎么办？

set.seed(12345)
df2 = rnorm(n=24) %>% matrix(nrow=3) %>% as_tibble() %>%
  setNames(c("col_1", "col_2", "col_3", "col_4", "col_5", "col_6", "col_7", "col_8"))

bar = function(col_1, col_2, col_3, col_4, col_5, col_6, col_7, col_8) {
  # imagine we do some complicated row-wise operation here
  mean(c(col_1, col_2, col_3, col_4, col_5, col_6, col_7, col_8))
}

df2 %>% pmap_dbl(bar)

给出：

[1]  0.45085420  0.02639697 -0.28121651

这显然不够——我必须为每一列添加一个新参数到 bar。这是大量的输入，它使代码的可读性更差且更脆弱。似乎应该有一种方法让它接受一个参数 x，然后通过 x$col_1 等访问我想要的变量。或者至少比上面更优雅的东西。有什么方法可以使用 purrr 清理这段代码吗？

Answer 1

我能想到的最简单（可能不是最安全）的方法是利用 ... 参数，获取任意数量的列

library(tidyverse)

set.seed(12345)
df2  <-  rnorm(n=24) %>% matrix(nrow=3) %>% as_tibble() %>%
  setNames(c("col_1", "col_2", "col_3", "col_4", "col_5", "col_6", "col_7", "col_8"))
#> Warning: `as_tibble.matrix()` requires a matrix with column names or a `.name_repair` argument. Using compatibility `.name_repair`.
#> This warning is displayed once per session.

bar <- function(...){
  mean(c(...))
}
df2 %>% pmap_dbl(bar)
#> [1]  0.45085420  0.02639697 -0.28121651

^{由 reprex package (v0.3.0)}

于 2019-08-05 创建

Answer 2

您可以在函数中使用 ... 和 en-list 它们。

dot_tester <- function(...) {
  dots <- list(...)
  dots$Sepal.Length + dots$Petal.Width
}

purrr::pmap(head(iris), dot_tester)

[[1]]
[1] 5.3

[[2]]
[1] 5.1

[[3]]
[1] 4.9

[[4]]
[1] 4.8

[[5]]
[1] 5.2

[[6]]
[1] 5.8

但是，这不会改变您的代码 "fragile"，因为您仍然明确且准确地需要将您的列名称与函数中的名称相匹配。好处是不必在 <- function() 电话中列出它们。

Answer 3

@Brian 的回答有效，但我还发现了另一种使用 purrr::transpose 的方法，它让我可以使用单个命名变量 x 而不是 ...，并且可以访问任何列按姓名：

foo = function(x) {
  (x$col_1 + x$col_2 + x$col_3)/3
}

df1 %>% transpose() %>% map_dbl(foo)

正确答案为：

[1] 6.000000 5.000000 7.666667

至于另一个数据框：

set.seed(12345)
df2 = rnorm(n=24) %>% matrix(nrow=3) %>% as_tibble() %>%
  setNames(c("col_1", "col_2", "col_3", "col_4", "col_5", "col_6", "col_7", "col_8"))

bar = function(x) {
  mean(as.double(x))
}

df2 %>% transpose() %>% map_dbl(bar)

给出：

[1]  0.45085420  0.02639697 -0.28121651

但我也可以通过引用各个列来做到这一点：

bar_2 = function(x) {
  x$col_2 + x$col_5 / x$col_3
}

df2 %>% transpose() %>% map_dbl(bar_2)

[1]  0.1347090 -1.2776983  0.8232767

我意识到这些特定的例子可以很容易地用 mutate 完成，但对于需要真正的逐行迭代的时候，我认为这很好用。

R：purrr：使用 pmap 进行逐行操作，但这次涉及很多列

R: purrr: using pmap for row-wise operations, but this time involving LOTS of columns

r

rows

parameter-passing

pmap

purrr