7

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!

4

2 回答 2

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()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