r - 可能是 group_map 命令有问题？

Question

我想使用 dplyr 包中的 group_by 和 group_map 而不是 split 和 map。然而，我遇到了一个相当奇怪的问题。

我就是这么做的

library(dplyr)

df = tibble(
  name = rep(c("a", "b", "c"), 100),
  x = rep(1:100, each=3),
  y = rnorm(300)
)

f1 = function(df, par1 = FALSE, par2 = FALSE){
  paste(par1, par2, df$name[1], mean(df$y))
}

现在，如果我运行这样的命令，一切看起来都很好

df %>% 
  split(.$name) %>% 
  map(f1)

$a
[1] "FALSE FALSE a -0.111419050033957"

$b
[1] "FALSE FALSE b -0.0715780638158137"

$c
[1] "FALSE FALSE c 0.13736619417831"

如果我设置了可选参数，一切都很好

df %>% 
  split(.$name) %>% 
  map(f1, par1 = TRUE, par2 = TRUE)

$a
[1] "TRUE TRUE a -0.111419050033957"

$b
[1] "TRUE TRUE b -0.0715780638158137"

$c
[1] "TRUE TRUE c 0.13736619417831"

当我尝试使用 group_by 和 group_map 获得相同的效果时，出现了错误

df %>% 
  group_by(name) %>% 
  group_map(f1, .keep = TRUE)

[[1]]
[1] "a FALSE a -0.111419050033957"

[[2]]
[1] "b FALSE b -0.0715780638158137"

[[3]]
[1] "c FALSE c 0.13736619417831"

如您所见，可选参数 par1 接收的值是数据组的名称。这不是我所期望的!

如果我设置 par1，则 par2 获取这些值。

df %>% 
  group_by(name) %>% 
  group_map(f1, par1 = TRUE, .keep = TRUE)

[[1]]
[1] "TRUE a a -0.111419050033957"

[[2]]
[1] "TRUE b b -0.0715780638158137"

[[3]]
[1] "TRUE c c 0.13736619417831"

但是当我尝试设置两个可选参数时，出现错误!

df %>% 
  group_by(name) %>% 
  group_map(f1, par1 = TRUE, par2 = TRUE, .keep = TRUE)

Error in (function (df, par1 = FALSE, par2 = FALSE)  : 
  unused argument (dots[[2]][[1]])

我必须承认，我对函数 group_map 的这种行为感到惊讶。 这真的是它应该工作的方式吗，还是我做错了什么，或者我对某些事情理解不好。

Answer 1

您可以在 dplyr::group_map 的 .f 参数中使用函数名称。但是您必须记住 .f 中的函数必须至少接受两个参数: .x 第一个参数是 data.frame 和 .y 包含分组变量的 tibble。

文档在详细信息部分说了这一点:

Each conceptual group of the data frame is exposed to the function .f with two pieces of information:

The subset of the data for the group, exposed as .x.

The key, a tibble with exactly one row and columns for each grouping variable, exposed as .y.

.x 和 .y 将始终是 .f 中函数的前两个参数，这会导致您的问题，因为我们从错误信息中可以看到:

df %>% 
  group_by(name) %>% 
  group_map(.f = f1,
            par1 = TRUE,
            par2 = TRUE,
            .keep = TRUE)

#> Error in (function (df, par1 = FALSE, par2 = FALSE) : unused argument (dots[[2]][[1]])

此处 .y 被传递给您的函数 f1，该函数没有与之匹配的参数。

让我们重写函数 f1，以便它采用 .y(组名称 (grp_nm))作为第二个参数。我们将使用这个参数来打印出来看看 .y 是什么:

library(dplyr)

df = tibble(
  name = rep(c("a", "b", "c"), 100),
  x = rep(1:100, each=3),
  y = rnorm(300)
)

f1 = function(df, grp_nm, par1 = FALSE, par2 = FALSE){
  print(grp_nm)
  paste(par1, par2, df$name[1], mean(df$y))
}

df %>% 
  group_by(name) %>% 
  group_map(.f = f1,
            par1 = TRUE,
            par2 = TRUE,
            .keep = TRUE)

#> # A tibble: 1 x 1
#>   name 
#>   <chr>
#> 1 a    
#> # A tibble: 1 x 1
#>   name 
#>   <chr>
#> 1 b    
#> # A tibble: 1 x 1
#>   name 
#>   <chr>
#> 1 c

#> [[1]]
#> [1] "TRUE TRUE a -0.0371737353510479"
#> 
#> [[2]]
#> [1] "TRUE TRUE b -0.00874656816210368"
#> 
#> [[3]]
#> [1] "TRUE TRUE c -0.030588993215492"

^{由 reprex package 于 2021 年 8 月 25 日创建(v2.0.1)}

当然，我们不需要 grp_nm 参数，因此最简单的方法是将省略号 ... 添加到您的函数中，这将防止出现上面的错误:

f1 = function(df, ..., par1 = FALSE, par2 = FALSE){
  paste(par1, par2, df$name[1], mean(df$y))
}

因此这里没有要报告的错误 dplyr::group_map 正在按预期工作。