任何人都可以就何时使用map()
(所有map_..()函数)以及何时使用summarise_at()
/提出建议mutate_at()
?
例如如果我们对向量列进行一些修改,那么我们不需要考虑 map()
?
如果我们有一个 df/有一个列中有一个列表,那么我们需要使用 map()
?
map()
函数是否始终需要与 nest()
函数一起使用?
任何人都可以推荐一些与此相关的学习视频。以及如何将列表放入 df 并同时对多个列表进行建模,然后将模型结果存储在另一列中?
非常感谢!
最佳答案
{dplyr} 和 {purrr} 之间最大的区别在于,{dplyr} 设计为仅适用于 data.frames,而 {purrr} 设计为适用于各种列表。 Data.frames 是列表,您还可以使用 {purrr} 迭代 data.frame。
map_chr(iris, class)
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
"numeric" "numeric" "numeric" "numeric" "factor"
summarise_at
和 map_at
的行为并不完全相同:summarise_at
只是返回您要查找的摘要,map_at
将所有 data.frame 作为列表返回,并在您要求的地方进行修改:
> library(purrr)
> library(dplyr)
> small_iris <- sample_n(iris, 5)
> map_at(small_iris, c("Sepal.Length", "Sepal.Width"), mean)
$Sepal.Length
[1] 6.58
$Sepal.Width
[1] 3.2
$Petal.Length
[1] 6.7 1.3 5.7 4.3 4.7
$Petal.Width
[1] 2.0 0.4 2.1 1.3 1.5
$Species
[1] virginica setosa virginica versicolor versicolor
Levels: setosa versicolor virginica
> summarise_at(small_iris, c("Sepal.Length", "Sepal.Width"), mean)
Sepal.Length Sepal.Width
1 6.58 3.2
map_at
始终返回一个列表,mutate_at
始终返回一个 data.frame :
> map_at(small_iris, c("Sepal.Length", "Sepal.Width"), ~ .x / 10)
$Sepal.Length
[1] 0.77 0.54 0.67 0.64 0.67
$Sepal.Width
[1] 0.28 0.39 0.33 0.29 0.31
$Petal.Length
[1] 6.7 1.3 5.7 4.3 4.7
$Petal.Width
[1] 2.0 0.4 2.1 1.3 1.5
$Species
[1] virginica setosa virginica versicolor versicolor
Levels: setosa versicolor virginica
> mutate_at(small_iris, c("Sepal.Length", "Sepal.Width"), ~ .x / 10)
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 0.77 0.28 6.7 2.0 virginica
2 0.54 0.39 1.3 0.4 setosa
3 0.67 0.33 5.7 2.1 virginica
4 0.64 0.29 4.3 1.3 versicolor
5 0.67 0.31 4.7 1.5 versicolor
总结一下你的第一个问题,如果你正在考虑在非嵌套 df 上进行“按列”操作并希望得到一个 data.frame 结果,你应该选择 {dplyr}。
关于嵌套列,您必须结合 {tidyr} 中的 group_by()
、nest()
、mutate()
和 map ()
。您在这里所做的是创建数据框的较小版本,其中将包含一列,该列是 data.frames 列表。然后,您将使用 map()
迭代这个新列中的元素。
这是我们心爱的鸢尾花的示例:
library(tidyr)
iris_n <- iris %>%
group_by(Species) %>%
nest()
iris_n
# A tibble: 3 x 2
Species data
<fct> <list>
1 setosa <tibble [50 × 4]>
2 versicolor <tibble [50 × 4]>
3 virginica <tibble [50 × 4]>
这里,新对象是一个 data.frame,其列 data
是较小 data.frame 的列表,按物种(我们在 group_by() 中指定的因素)
)。然后,我们可以通过简单地执行以下操作来迭代此列:
map(iris_n$data, ~ lm(Sepal.Length ~ Sepal.Width, data = .x))
[[1]]
Call:
lm(formula = Sepal.Length ~ Sepal.Width, data = .x)
Coefficients:
(Intercept) Sepal.Width
2.6390 0.6905
[[2]]
Call:
lm(formula = Sepal.Length ~ Sepal.Width, data = .x)
Coefficients:
(Intercept) Sepal.Width
3.5397 0.8651
[[3]]
Call:
lm(formula = Sepal.Length ~ Sepal.Width, data = .x)
Coefficients:
(Intercept) Sepal.Width
3.9068 0.9015
但我们的想法是将所有内容保留在 data.frame 中,因此我们可以使用 mutate
创建一个列来保存这个新的 lm
结果列表:
iris_n %>%
mutate(lm = map(data, ~ lm(Sepal.Length ~ Sepal.Width, data = .x)))
# A tibble: 3 x 3
Species data lm
<fct> <list> <list>
1 setosa <tibble [50 × 4]> <S3: lm>
2 versicolor <tibble [50 × 4]> <S3: lm>
3 virginica <tibble [50 × 4]> <S3: lm>
因此,您可以运行多个 mutate()
来获取 r.squared
,例如:
iris_n %>%
mutate(lm = map(data, ~ lm(Sepal.Length ~ Sepal.Width, data = .x)),
lm = map(lm, summary),
r_squared = map_dbl(lm, "r.squared"))
# A tibble: 3 x 4
Species data lm r_squared
<fct> <list> <list> <dbl>
1 setosa <tibble [50 × 4]> <S3: summary.lm> 0.551
2 versicolor <tibble [50 × 4]> <S3: summary.lm> 0.277
3 virginica <tibble [50 × 4]> <S3: summary.lm> 0.209
但更有效的方法是使用 {purrr} 中的 compose()
构建一个只执行一次的函数,而不是重复 mutate()
。
get_rsquared <- compose(as_mapper("r.squared"), summary, lm)
iris_n %>%
mutate(lm = map_dbl(data, ~ get_rsquared(Sepal.Length ~ Sepal.Width, data = .x)))
# A tibble: 3 x 3
Species data lm
<fct> <list> <dbl>
1 setosa <tibble [50 × 4]> 0.551
2 versicolor <tibble [50 × 4]> 0.277
3 virginica <tibble [50 × 4]> 0.209
如果您知道自己将始终使用 Sepal.Length ~ Sepal.Width
,您甚至可以使用 partial() 预填充
:lm()
pr_lm <- partial(lm, formula = Sepal.Length ~ Sepal.Width)
get_rsquared <- compose(as_mapper("r.squared"), summary, pr_lm)
iris_n %>%
mutate(lm = map_dbl(data, get_rsquared))
# A tibble: 3 x 3
Species data lm
<fct> <list> <dbl>
1 setosa <tibble [50 × 4]> 0.551
2 versicolor <tibble [50 × 4]> 0.277
3 virginica <tibble [50 × 4]> 0.209
关于资源,我在 {purrr} 上写了一系列博文,您可以查看:https://colinfay.me/tags/#purrr
关于r - 何时使用map()函数以及何时使用summarise_at()/mutate_at(),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50170249/