r - 有没有办法在 purrr::map 中自动传播 NULL？

Question

我有一些数据，其中一些被复制，一些没有。我只能适应 我的复制数据模型。

library(tidyverse)
d <- tribble(
  ~env, ~val,
  "A",  1,
  "A",  2,
  "B",  3
)

我正在使用 tidyr::nest() 和 purrr::map() 函数来适应我的模型。 然而，在我用于 map() 的每个函数中，我都必须满足特殊的需求 我归档的一组特定数据不可建模的情况 通过以下方式的调用

map(col, function(elem){ if(!is.null(elem)) DO_STUFF(elem) else NULL})

过了一段时间，我成功地将这种行为提取为 purrr 风格的副词 函数接受另一个函数并将其包装，以便此行为 对于 NULL 元素是自动的:

maybe <- function(fun){
  function(val,...){ if(!is.null(val)) fun(val, ...) else NULL}
}

然而，这让我想知道:我是否在重复这样的行为 已经可以使用 tidyverse 函数存档？

额外问题:函数式编程中是否有一个词来表示像 maybe 这样的函数？

---

这是测试我的副词的示例:

简单模型:环境 A 中的数据的平均值，并且没有环境 A 中的数据的模型 环境B(因为数据是未复制的:)

modelFuns <- list(A = mean, B = NULL)

按环境对数据进行分组，并为每个组确定适当的模型

d <- d %>% group_by(env) %>% nest(.key = "data")
d %<>% mutate(model = modelFuns[env])
d

## # A tibble: 2 x 3
##   env   data             model 
##   <chr> <list>           <list>
## 1 A     <tibble [2 × 1]> <fn>  
## 2 B     <tibble [1 × 1]> <NULL>

执行建模:

d %<>% mutate(out = pmap(list(model, data), maybe(function(m,d) m(d$val))))
d

## # A tibble: 2 x 4
##   env   data             model  out      
##   <chr> <list>           <list> <list>   
## 1 A     <tibble [2 × 1]> <fn>   <dbl [1]>
## 2 B     <tibble [1 × 1]> <NULL> <NULL>

这相当于以下不使用我的maybe副词的代码:

d %<>% mutate(out = pmap(list(model, data), function(m,d){if(!is.null(m)) m(d$val) else NULL}))
d

## # A tibble: 2 x 4
##   env   data             model  out      
##   <chr> <list>           <list> <list>   
## 1 A     <tibble [2 × 1]> <fn>   <dbl [1]>
## 2 B     <tibble [1 × 1]> <NULL> <NULL>

可能有一个值或可能有 NULL 的事实传播到 我想要对下游建模结果做的一切，即 为什么副词maybe很有用。这样的东西已经存在了吗 在 tidyverse 中？

isModelNice <- function(val) val > 0
d %<>% mutate(nice = map(out, maybe(isModelNice)))
d

## # A tibble: 2 x 5
##   env   data             model  out       nice     
##   <chr> <list>           <list> <list>    <list>   
## 1 A     <tibble [2 × 1]> <fn>   <dbl [1]> <lgl [1]>
## 2 B     <tibble [1 × 1]> <NULL> <NULL>    <NULL>

Answer 1

你可以使用purrr::possible()吗？

library(tidyverse)

d <- tribble(
  ~env, ~val,
  "A",  1,
  "A",  2,
  "B",  3
)

modelFuns <- list(A = mean, B = NULL)

d %>% group_by(env) %>% 
  nest(.key = "data") %>% 
  mutate(model = modelFuns[env]) %>% 
  mutate(out = pmap(list(model, data), possibly(function(m,d) m(d$val), NULL)))