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()吗？
例如，如果我们正在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 / 有一列有一个列表，那么我们需要使用map()?
map()函数总是需要和函数一起使用吗nest()？任何人都可以建议一些有关此的学习视频。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！
问问题
1977 次
2 回答
21
{dplyr} 和 {purrr} 之间最大的区别在于 {dplyr} 设计为仅适用于 data.frames，而 {purrr} 旨在适用于各种列表。Data.frames 是列表，您也可以使用 {purrr} 来迭代 data.frame。
map_chr(iris, class)
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
"numeric" "numeric" "numeric" "numeric" "factor"
summarise_at并且map_at行为不完全相同：summarise_at只需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总是返回一个列表，mutate_at总是一个 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
$Species
[1] virginica setosa virginica versicolor versicolor
Levels: setosa versicolor virginica
> mutate_at(small_iris, c("Sepal.Length", "Sepal.Width"), ~ .x / 10)
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 0.77 0.28 6.7 2.0 virginica
2 0.54 0.39 1.3 0.4 setosa
3 0.67 0.33 5.7 2.1 virginica
4 0.64 0.29 4.3 1.3 versicolor
5 0.67 0.31 4.7 1.5 versicolor
因此，总结一下您的第一个问题，如果您正在考虑在非嵌套 df 上执行“按列”操作并希望得到一个 data.frame，那么您应该选择 {dplyr}。
关于嵌套列，您必须将group_by()、nest()来自 {tidyr}mutate()和map(). 您在这里所做的是创建一个较小版本的数据框，该版本将包含一个列，该列是 data.frames 的列表。然后，您将使用map()迭代此新列中的元素。
这是我们心爱的鸢尾花的一个例子：
library(tidyr)
iris_n <- iris %>%
group_by(Species) %>%
nest()
iris_n
# A tibble: 3 x 2
Species data
<fct> <list>
1 setosa <tibble [50 × 4]>
2 versicolor <tibble [50 × 4]>
3 virginica <tibble [50 × 4]>
在这里，新对象是一个 data.frame，columdata是一个较小的 data.frames 列表，其中一个是 Species（我们在 中指定的因子group_by()）。然后，我们可以通过简单地迭代这个列：
map(iris_n$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
但是我们的想法是将所有内容都保存在 data.frame 中，因此我们可以使用它mutate来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>
所以你可以运行几个mutate()来获得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compose()from {purrr} 构建一个执行一次的函数，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
如果您知道您将一直使用，Sepal.Length ~ Sepal.Width您甚至可以预先填写：lm()partial()
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
于 2018-05-04T09:14:56.257 回答
0
科林给出了一个很好的独立答案。由于您要求更多关于使用带有 tibbles 的多个模型的资源，我还想添加 R 4 Data Science 的 Many Models 章节，它提供了使用列表列创建、简化和建模的广泛概述。http://r4ds.had.co.nz/many-models.html
于 2018-05-04T12:54:27.330 回答