循环字符向量并使用元素作为 lambda 函数中的列名

Question

我想用 purrr 遍历变量名称的向量，然后用 dplyr 在函数内使用变量，如下面的代码：

library(dplyr)
library(purrr)

#creating index
index<-c('Sepal.Length', 'Sepal.Width')

#mapping over index with lambda function
map(index, ~iris %>% filter (.x > mean(.x)))

我期待看到一个包含两个 data.frames 的列表，如

list(Sepal.Length = iris %>% filter (Sepal.Length > mean(Sepal.Length)),
     Sepal.Width = iris %>% filter (Sepal.Width > mean(Sepal.Width)))

有没有办法在 lambda 函数的 data.frames 中使用 .x 变量作为列名？

我认为这可能与数据屏蔽和非标准评估有关，我怀疑 rlang 在这里可能会有帮助，但我不熟悉这个主题。谢谢

Answer 1

那些是字符串。我们需要转换为 symbol 并计算 (!!)

library(purrr)
library(dplyr)
out <- map(index, ~iris %>%
       filter (!! rlang::sym(.x) > mean(!! rlang::sym(.x))))
names(out) <- index

-输出

> str(out)
List of 2
 $ Sepal.Length:'data.frame':   70 obs. of  5 variables:
  ..$ Sepal.Length: num [1:70] 7 6.4 6.9 6.5 6.3 6.6 5.9 6 6.1 6.7 ...
  ..$ Sepal.Width : num [1:70] 3.2 3.2 3.1 2.8 3.3 2.9 3 2.2 2.9 3.1 ...
  ..$ Petal.Length: num [1:70] 4.7 4.5 4.9 4.6 4.7 4.6 4.2 4 4.7 4.4 ...
  ..$ Petal.Width : num [1:70] 1.4 1.5 1.5 1.5 1.6 1.3 1.5 1 1.4 1.4 ...
  ..$ Species     : Factor w/ 3 levels "setosa","versicolor",..: 2 2 2 2 2 2 2 2 2 2 ...
 $ Sepal.Width :'data.frame':   67 obs. of  5 variables:
  ..$ Sepal.Length: num [1:67] 5.1 4.7 4.6 5 5.4 4.6 5 4.9 5.4 4.8 ...
  ..$ Sepal.Width : num [1:67] 3.5 3.2 3.1 3.6 3.9 3.4 3.4 3.1 3.7 3.4 ...
  ..$ Petal.Length: num [1:67] 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.5 1.5 1.6 ...
  ..$ Petal.Width : num [1:67] 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.1 0.2 0.2 ...
  ..$ Species     : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 ...

-使用 OP 的预期进行测试

> expected <- list(Sepal.Length = iris %>% filter (Sepal.Length > mean(Sepal.Length)),
+      Sepal.Width = iris %>% filter (Sepal.Width > mean(Sepal.Width)))
> 
> identical(out, expected)
[1] TRUE

或 cur_data()

的子集

map(index, ~ iris %>%
     filter(cur_data()[[.x]] > mean(cur_data()[[.x]])))

或使用across或if_all，直接取string

map(index, ~ iris %>%
           filter(across(all_of(.x), ~ . > mean(.))))

Answer 2

类似

的解决方案

map(index, function(i, x) filter(x, x[[i]] > mean(x[[i]])), iris)

似乎平衡了 dplyr 的功能（例如，用 NA 值做一些明智的事情），没有过多的非标准评估障碍，同时也强调了一些有用的 R 习语，比如使用 [[当非标准评估变得非常麻烦时，按名称提取可能有用的列。

就我个人而言，我会使用 lapply() 而不是 map()，这样我就不必再学习另一个包了。如果我想要命名列表元素，我会这样做 'up front' 而不是事后添加

names(index) <- index
lapply(index, function(i, x) filter(x, x[[i]] > mean(x[[i]])), iris)

或者也许

lapply(setNames(nm=index), function(i, x) filter(x, x[[i]] > mean(x[[i]])), iris)

如果这是我代码中的常见场景（或者即使这是一次性的），我可能会编写一个简短的辅助函数

filter_greater_than_column_mean <- function(i, x)
    dplyr::filter( x, x[[i]] > mean(x[[i]]) )

lapply(index, filter_greater_than_column_mean, iris)

如果我以自己的方式成为业余爱好者并试图变得更笼统，我可能会变得过于复杂

filter_by_column_mean <- function(i, x, op = `>`) {
    idx <- op(x[[i]], mean(x[[i]]))
    dplyr::filter(x, idx)
}
lapply(index, filter_by_column_mean, iris)
lapply(index, filter_by_column_mean, iris, `<=`)

甚至

filter_by_column <- function(i, x, op = `>`, aggregate = mean) {
    idx <- op(x[[i]], aggregate(x[[i]]))
    dplyr::filter(x, idx)
}
lapply(index, filter_by_column, iris, op = `<=`)
lapply(index, filter_by_column, iris, `<=`, median)

既然我没有使用非标准评估，我可能会瞄准基础 R 的 subset()，它也可以用 NA 做一些明智的事情。所以

filter_by_column <- function(i, x, aggregate = mean, op = `>`) {
    idx <- op(x[[i]], aggregate(x[[i]]))
    subset(x, idx)
}

我知道这意味着我已经了解了很多关于 base R 的知识，也许我应该学习 !! 与 !!! 与...，但无论如何我学习了

像mean这样的函数是'first class'，我可以将代表函数的符号（例如mean）分配给一个变量（例如aggregate）然后将变量用作函数 (aggregate(...)).
像<这样的操作符其实就是函数，而lhs < rhs可以写成`<`(lhs, rhs)（而且写到我还得学markdown写反引号！）

更平淡

lapply() 的 FUN 参数除了被迭代的参数之外还接受参数。这些可以命名或未命名，应用参数匹配的通常规则（首先按名称匹配，然后按位置匹配）。
[[ 可用于按名称进行子集化，避免需要 seq_along() 或其他依赖数字索引的不太健壮的操作。

Answer 3

基数 R：

index<-c('Sepal.Length', 'Sepal.Width')
df <- iris

setNames(
  lapply(
    seq_along(index),
    function(i){
       mu <- mean(df[,index[i]], na.rm = TRUE)
       df[df[,index[i],drop = TRUE] > mu, ]
    }
  ),
  index
)

Answer 4

你可以使用.data-

library(dplyr)
library(purrr)

index<-c('Sepal.Length', 'Sepal.Width')

map(index, ~iris %>% filter (.data[[.x]] > mean(.data[[.x]])))

循环字符向量并使用元素作为 lambda 函数中的列名

Loop over character vectors and use elements as column names within lambda function

r

dplyr

purrr

non-standard-evaluation

rlang