0

我已经建立了一个似乎可以工作的功能，但我不明白为什么。

我最初的问题是获取一个包含人口计数的 data.frame 并将其扩展以重新创建原始人口。如果您事先知道列名，这很容易。

      library(tidyverse)

      set.seed(121)

      test_counts <- tibble(Population = letters[1:4], Length = c(1,1,2,1), 
         Number = sample(1:100, 4))

      expand_counts_v0 <- function(Length, Population, Number) { 
            tibble(Population = Population, 
                   Length = rep(Length, times = Number))

      }


      test_counts %>% pmap_dfr(expand_counts_v0) %>%   # apply it
                 group_by(Population, Length) %>%    # test it
                   summarise(Number = n()) %>%  
                   ungroup %>%
                  { all.equal(., test_counts)}
      # [1] TRUE

但是，我想将它概括为一个不需要知道 data.frame 的列名的函数，并且我对 NSE 很感兴趣，所以我写道：

test_counts1 <- tibble(Population = letters[1:4], 
                 Length = c(1,1,2,1), 
                 Number = sample(1:100, 4),
                 Height = c(100, 50, 45, 90),
                 Width = c(700, 50, 60, 90)
               )


expand_counts_v1 <- function(df, count = NULL) { 
     countq <- enexpr(count)
     names <- df %>% select(-!!countq) %>% names 
     namesq <- names %>% map(as.name)

     cols <- map(namesq, ~ expr(rep(!!., times = !!countq))
          ) %>% set_names(namesq)

      make_tbl <- function(...) {
                         expr(tibble(!!!cols)) %>% eval(envir = df)
      }

      df %>% pmap_dfr(make_tbl)
}

但是，当我测试这个函数时，它似乎重复了 4 次行：

   test_counts %>% expand_counts_v1(count = Number) %>% 
                   group_by(Population, Length) %>%
                   summarise(Number = n()) %>%
                   ungroup %>%
                   { sum(.$Number)/sum(test_counts$Number)}
   # [1] 4

这让我猜测一个解决方案，这是

   expand_counts_v2 <- function(df, count = NULL) { 
             countq <- enexpr(count)
             names <- df %>% select(-!!countq) %>% names 
             namesq <- names %>% map(as.name)

             cols <- map(namesq, ~ expr(rep(!!., times = !!countq))
              ) %>% set_names(namesq)

              make_tbl <- function(...) {
                          expr(tibble(!!!cols)) %>% eval(envir = df)
       }

      df %>% make_tbl
   }

这似乎有效：

 test_counts %>% expand_counts_v2(count = Number) %>% 
                 group_by(Population, Length) %>%
                 summarise(Number = n()) %>%
                 ungroup %>%
                { all.equal(., test_counts)}
 # [1] TRUE 

  test_counts1 %>% expand_counts_v2(count = Number) %>% 
                      group_by(Population, Length, Height, Width) %>%
                      summarise(Number = n()) %>%
                      ungroup %>%
                    { all.equal(., test_counts1)}
   # [1] TRUE

但我不明白为什么。即使我不再使用 pmap，它如何评估每一行？该函数需要应用于每一行才能工作，所以它必须以某种方式，但我看不出它是如何做到的。

编辑

在 Artem 对发生的事情做出正确解释后，我意识到我可以做到这一点

expand_counts_v2 <- function(df, count = NULL) { 
      countq <- enexpr(count)
      names <- df %>% select(-!!countq) %>% names 
      namesq <- names %>% map(as.name)

      cols <- map(namesq, ~ expr(rep(!!., times = !!countq))
                  ) %>% set_names(namesq)

    expr(tibble(!!!cols)) %>% eval_tidy(data = df)
}

这摆脱了不必要的 mk_tbl 功能。然而，正如 Artem 所说，这只是因为 rep 是矢量化的。所以，它正在工作，但不是通过重新编写 _v0 函数并对其进行 pmapping 来实现，这是我试图复制的过程。最终，我发现 rlang::new_function 并写道：

expand_counts_v3 <- function(df, count = NULL) { 
      countq <- enexpr(count)
      names <- df %>% select(-!!countq) %>% names 
      namesq <- names %>% map(as.name)

      cols <- map(namesq, ~ expr(rep(!!., times = !!countq))
                  ) %>% set_names(namesq)

      all_names <- df %>% names %>% map(as.name) 
    args <- rep(0, times = length(all_names)) %>% as.list %>% set_names(all_names)

    correct_function <- new_function(args,     # this makes the function as in _v0
                                     expr(tibble(!!!cols))  )
    pmap_dfr(df, correct_function)     # applies it as in _v0
}

它更长，可能更丑陋，但按我最初想要的方式工作。

4

1 回答 1

0

问题在于eval( envir = df )，它将整个数据框暴露给make_tbl(). 请注意，您永远不会...在make_tbl(). 相反，该函数有效地计算了

with( df, tibble(Population = rep(Population, times = Number), 
                 Length = rep(Length, times=Number)) )

无论您向它提供什么论据。当您通过 调用该函数时pmap_dfr()，它实际上会计算上述四次（每行一次）并逐行连接结果，从而导致您观察到的条目重复。当您 removepmap_dfr()时，该函数被调用一次，但由于rep它本身是矢量化的（尝试rep( test_counts$Population, test_counts$Number )看看我的意思），make_tbl()因此一次性计算整个结果。

于 2018-11-15T21:54:32.670 回答