r - 何时使用map()函数以及何时使用summarise_at()/mutate_at()

Question

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() ？

例如如果我们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/有一个列中有一个列表，那么我们需要使用 map()？

map() 函数是否始终需要与 nest() 函数一起使用？任何人都可以推荐一些与此相关的学习视频。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!

Answer 1

{dplyr} 和 {purrr} 之间最大的区别在于，{dplyr} 设计为仅适用于 data.frames，而 {purrr} 设计为适用于各种列表。 Data.frames 是列表，您还可以使用 {purrr} 迭代 data.frame。

map_chr(iris, class)
Sepal.Length  Sepal.Width Petal.Length  Petal.Width      Species 
   "numeric"    "numeric"    "numeric"    "numeric"     "factor" 

summarise_at 和 map_at 的行为并不完全相同:summarise_at 只是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 始终返回一个列表，mutate_at 始终返回一个 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

总结一下你的第一个问题，如果你正在考虑在非嵌套 df 上进行“按列”操作并希望得到一个 data.frame 结果，你应该选择 {dplyr}。

关于嵌套列，您必须结合 {tidyr} 中的 group_by()、nest()、mutate() 和 map ()。您在这里所做的是创建数据框的较小版本，其中将包含一列，该列是 data.frames 列表。然后，您将使用 map() 迭代这个新列中的元素。

这是我们心爱的鸢尾花的示例:

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]>

这里，新对象是一个 data.frame，其列 data 是较小 data.frame 的列表，按物种(我们在 group_by() 中指定的因素))。然后，我们可以通过简单地执行以下操作来迭代此列:

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  

但我们的想法是将所有内容保留在 data.frame 中，因此我们可以使用 mutate 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>

因此，您可以运行多个 mutate() 来获取 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 {purrr} 中的 compose() 构建一个只执行一次的函数，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

如果您知道自己将始终使用 Sepal.Length ~ Sepal.Width，您甚至可以使用 partial() 预填充 lm():

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