7

我正在尝试使用 dplyr 和 purrr 整理模拟研究的结果。我的结果保存为一个数据框列表，其中包含几种不同分类算法的结果，我正在尝试使用 purrr 和 dplyr 来总结这些结果。

我正在尝试计算 - 分配给每个集群的对象数量 - 集群中实际属于集群的对象数量 - 使用 3 种不同算法（KEEP1 - KEEP3）的真阳性、假阳性、假阴性和真阴性的数量) - 对于 2 个算法，我可以访问在集群中的概率，因此我可以将其与 alpha 的替代选择进行比较 - 所以我可以使用不同的 alpha 选择来计算真阳性等。

我发现了这个：https ://github.com/tidyverse/dplyr/issues/3101 ，我成功地在列表的一个元素上使用它来得到我想要的东西：

f <- function(.x, .y) {
  sum(.x & .y)
}

actions <- list(
  .vars = lst(
    c('correct'),
    c('KEEP1', 'KEEP2', 'KEEP3'),
    c('pval1', 'pval2')
  ),
  .funs = lst(
    funs(Nk = length, N_correct = sum),
    funs(
      TP1 = f(., .y = correct),
      FN1 = f(!(.), .y = correct),
      TN1 = f(!(.), .y = !(correct)),
      FP1 = f(., .y = !(correct))
    ),
    funs(
      TP2 = f((. < alpha0) , .y = correct),
      FN2 = f(!(. < alpha0), .y = correct),
      TN2 = f(!(. < alpha0), .y = !(correct)),
      FP2 = f((. < alpha0), .y = !(correct))
    )
  )
)

reproducible_data <- replicate(2,
  data_frame(
    k = factor(rep(1:10, each = 20)),  # group/category
    correct = sample(x = c(TRUE, FALSE), 10 * 20, replace = TRUE, prob = c(.8, .2)),
    pval1 = rbeta(10 * 20, 1, 10),
    pval2 = rbeta(10 * 20, 1, 10),
    KEEP1 = pval1 < 0.05,
    KEEP2 = pval2 < 0.05,
    KEEP3 = runif(10 * 20) > .2,
    alpha0 = 0.05,
    alpha = 0.05 / 20 # divided by no. of objects in each group (k)
),
  simplify = FALSE)

# works
df1 <- reproducible_data[[1]]
pmap(actions,  ~df1 %>% group_by(k) %>% summarize_at(.x, .y)) %>%
  reduce(inner_join,by = 'k')

现在，我想使用 map 对整个列表执行此操作。但是，我无法再访问变量“正确”（它还远远没有看到 alpha 或 alpha0，但可能会发生同样的问题）。我仍在学习 dplyr/purrr，但我的实验并没有证明有用。 

# does not work
out_summary <- map(
  reproducible_data, 
  pmap(actions,  ~ as_tibble(.) %>% group_by("k") %>% summarize_at(.x, .y)) %>%
    reduce(inner_join,by = 'k')
)
# this doesn't either
out_summary <- map(
  reproducible_data, 
  pmap(actions,  ~ as_tibble(.) %>% group_by("k") %>% summarize_at(.x, .y, alpha = alpha, alpha0 = alpha0, correct = correct)) %>%
    reduce(inner_join,by = 'k')
)

在map中，我看不到$group_by(k)$中的变量'k'，除非它被引用了$group_by('k')$，但是当我只使用pmap时我不需要引用它。我尝试了各种方法将正确的变量传递给这些函数，但我仍在学习 dplyr 和 purrr，但还没有成功。

还有一点需要注意 - 实际数据存储为常规数据框，因此我需要在 pmap 函数中使用 $as_tibble()$。在此示例中删除它时遇到了一些不同的错误，因此我选择将其添加回来，这样我会遇到相同的问题。谢谢！

4

1 回答 1

3

尝试这个

map(
  reproducible_data,
  function(df1) { 
    pmap(actions,  ~ df1 %>% 
                       as_tibble() %>% 
                       group_by(k) %>% 
                       summarize_at(.x, .y)) %>% 
      reduce(inner_join, by = "k")
  } 
)

我认为您的论点在使用时可能会混淆map和pmap同时。我使用了for 的function语法map来定义df1来尝试解决这个问题。其余部分看起来还不错（尽管我切换到pmap_df返回一个数据框（没有它，列表的结构很难看，这pmap_df是使它漂亮的最简单方法。Lmk 如果它不是预期的输出。

还有group_by("k")vs的问题。group_by(k)

另外：写作group_by("k")实际上创建了一个变量“k”并用字符“k”填充它，然后使用它来分组。这将使您的代码运行，但它不会做您喜欢的事情。有时这种问题实际上是因为之前发生了一两行错误（或者，之前有dplyr一两行管道）。在这种情况下，map没有通过df1你需要的地方。

于 2018-01-28T21:55:07.310 回答