介绍
在最近参加了 Hadley Wickham 的函数式编程课程后，我决定尝试将一些课程应用到我的工作项目中。当然，事实证明我尝试的第一个项目比课堂上演示的示例更复杂。有没有人建议使用该purrr软件包以使下面描述的任务更有效？
项目背景
我需要将五分位组分配给空间多边形数据框中的记录。除了记录标识符之外，还有其他几个变量，我需要计算每个变量的五分位组。
这是问题的症结所在：我被要求识别一个特定变量中的异常值，并在整个分析中省略这些记录， 只要它不改变任何其他变量的第一个五分位组的五分位组成。
问题
我已经组装了一个 dplyr 管道（参见下面的示例），它对单个变量执行此检查过程，但是我如何重写此过程以便我可以有效地检查每个变量？
编辑：虽然作为中间步骤当然可以将数据的形状从宽更改为长，但最终它需要返回其宽格式，以便它与@polygons空间多边形数据框的槽相匹配。
可重现的例子
你可以在这里找到完整的脚本：https ://gist.github.com/tiernanmartin/6cd3e2946a77b7c9daecb51aa11e0c94
库和设置
library(grDevices) # boxplot.stats()
library(operator.tools) # %!in% logical operator
library(tmap) # 'metro' data set
library(magrittr) # piping
library(dplyr) # exploratory data analysis verbs
library(purrr) # recursive mapping of functions
library(tibble) # improved version of a data.frame
library(ggplot2) # dot plot
library(ggrepel) # avoid label overlap
options(scipen=999)
set.seed(888)
加载示例数据并从中抽取一小部分样本
data("metro")
m_spdf <- metro
# Take a sample
m <-
metro@data %>%
as_tibble %>%
select(-name_long,-iso_a3) %>%
sample_n(50)
> m
# A tibble: 50 x 10
name pop1950 pop1960 pop1970 pop1980 pop1990
<chr> <dbl> <dbl> <dbl> <dbl> <dbl>
1 Sydney 1689935 2134673 2892477 3252111 3631940
2 Havana 1141959 1435511 1779491 1913377 2108381
3 Campinas 151977 293174 540430 1108903 1693359
4 Kano 123073 229203 541992 1349646 2095384
5 Omsk 444326 608363 829860 1032150 1143813
6 Ouagadougou 33035 59126 115374 265200 537441
7 Marseille 755805 928768 1182048 1372495 1418279
8 Taiyuan 196510 349535 621625 1105695 1636599
9 La Paz 319247 437687 600016 809218 1061850
10 Baltimore 1167656 1422067 1554538 1748983 1848834
# ... with 40 more rows, and 4 more variables:
# pop2000 <dbl>, pop2010 <dbl>, pop2020 <dbl>,
# pop2030 <dbl>
计算有和没有异常值记录的五分位数组
# Calculate the quintile groups for one variable (e.g., `pop1990`)
m_all <-
m %>%
mutate(qnt_1990_all = dplyr::ntile(pop1990,5))
# Find the outliers for a different variable (e.g., 'pop1950')
# and subset the df to exlcude these outlier records
m_out <- boxplot.stats(m$pop1950) %>% .[["out"]]
m_trim <-
m %>%
filter(pop1950 %!in% m_out) %>%
mutate(qnt_1990_trim = dplyr::ntile(pop1990,5))
# Assess whether the outlier trimming impacted the first quintile group
m_comp <-
m_trim %>%
select(name,dplyr::contains("qnt")) %>%
left_join(m_all,.,"name") %>%
select(name,dplyr::contains("qnt"),everything()) %>%
mutate(qnt_1990_chng_lgl = !is.na(qnt_1990_trim) & qnt_1990_trim != qnt_1990_all,
qnt_1990_chng_dir = if_else(qnt_1990_chng_lgl,
paste0(qnt_1990_all," to ",qnt_1990_trim),
"No change"))
在 的帮助下ggplot2，我可以看到在此示例中识别了六个异常值，并且它们的遗漏不会影响第一个五分之一组pop1990。
重要的是，此信息在两个新变量中进行跟踪：qnt_1990_chng_lgl和qnt_1990_chng_dir。
> m_comp %>% select(name,qnt_1990_chng_lgl,qnt_1990_chng_dir,everything())
# A tibble: 50 x 14
name qnt_1990_chng_lgl qnt_1990_chng_dir qnt_1990_all qnt_1990_trim
<chr> <lgl> <chr> <dbl> <dbl>
1 Sydney FALSE No change 5 NA
2 Havana TRUE 4 to 5 4 5
3 Campinas TRUE 3 to 4 3 4
4 Kano FALSE No change 4 4
5 Omsk FALSE No change 3 3
6 Ouagadougou FALSE No change 1 1
7 Marseille FALSE No change 3 3
8 Taiyuan TRUE 3 to 4 3 4
9 La Paz FALSE No change 2 2
10 Baltimore FALSE No change 4 4
# ... with 40 more rows, and 9 more variables: pop1950 <dbl>, pop1960 <dbl>,
# pop1970 <dbl>, pop1980 <dbl>, pop1990 <dbl>, pop2000 <dbl>, pop2010 <dbl>,
# pop2020 <dbl>, pop2030 <dbl>
我现在需要找到一种方法来对数据框中的每个变量（即pop1960- pop2030）重复此过程。理想情况下，将为每个现有pop*变量创建两个新变量，并且它们的名称前面qnt_和后面都是_chng_diror _chng_lgl。
是purrr正确的工具吗？dplyr::mutate_? data.table?