r - 如何使用 `purrr::accumulate` 进行累积过滤？

Question

我正在寻找一种方法来做这样的事情

# this doesnt work
# accumulate(1:8, ~filter(mtcars, carb >= .x))

这样我就可以检查不同截止值的一些汇总统计数据。我可以简单地做

# this works but redundant filtering is done
map2(list(mtcars), 1:8, ~filter(.x, carb >= .y))

但是由于我的数据相当大，过滤掉之前步骤中已经过滤掉的值是没有意义的。本质上，这只是多次复制原始数据帧，然后分别过滤每一个。我正在查看 purrr 包中的积累，但该功能似乎不适合这个问题(我希望我错了)。 base-R 解决方案可能是

# something like this works, but is ugly
output <- vector("list", length(1:8) + 1)
output[[1]] <- mtcars
for (i in 1:8) {
  output[[i + 1]] <- filter(output[[i]], carb >= i)
}
output[[1]] <- NULL

但这并不是特别优雅。我怎样才能更好地做到这一点？

# the above code assumes
library(tidyverse)
mtcars <- as_tibble(mtcars)

这是输出可用于以下用途的示例:

Answer 1

您的初始示例 accumulate(1:8, ~filter(mtcars, carb >= .x))不起作用，因为它使用累积值 (.x) 作为过滤条件，而不是“下一个”值 (.y)。尝试这个:

library(tidyverse)

accumulate(2:8, function(x,y) filter(x, carb >= y), .init=mtcars)
#> [[1]]
#>                      mpg cyl  disp  hp drat    wt  qsec vs am gear carb
#> Mazda RX4           21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
#> Mazda RX4 Wag       21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
#> Datsun 710          22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
#> Hornet 4 Drive      21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
#> Hornet Sportabout   18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2
#> Valiant             18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
#> Duster 360          14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
#> Merc 240D           24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2
#> Merc 230            22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2
#> Merc 280            19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4
#> Merc 280C           17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
#> Merc 450SE          16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
#> Merc 450SL          17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
#> Merc 450SLC         15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3
#> Cadillac Fleetwood  10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4
#> Lincoln Continental 10.4   8 460.0 215 3.00 5.424 17.82  0  0    3    4
#> Chrysler Imperial   14.7   8 440.0 230 3.23 5.345 17.42  0  0    3    4
#> Fiat 128            32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1
#> Honda Civic         30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2
#> Toyota Corolla      33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1
#> Toyota Corona       21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1
#> Dodge Challenger    15.5   8 318.0 150 2.76 3.520 16.87  0  0    3    2
#> AMC Javelin         15.2   8 304.0 150 3.15 3.435 17.30  0  0    3    2
#> Camaro Z28          13.3   8 350.0 245 3.73 3.840 15.41  0  0    3    4
#> Pontiac Firebird    19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2
#> Fiat X1-9           27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1
#> Porsche 914-2       26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2
#> Lotus Europa        30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2
#> Ford Pantera L      15.8   8 351.0 264 4.22 3.170 14.50  0  1    5    4
#> Ferrari Dino        19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6
#> Maserati Bora       15.0   8 301.0 335 3.54 3.570 14.60  0  1    5    8
#> Volvo 142E          21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2
#> 
#> [[2]]
#>     mpg cyl  disp  hp drat    wt  qsec vs am gear carb
#> 1  21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
#> 2  21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
#> 3  18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2
#> 4  14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
#> 5  24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2
#> 6  22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2
#> 7  19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4
#> 8  17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
#> 9  16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
#> 10 17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
#> 11 15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3
#> 12 10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4
#> 13 10.4   8 460.0 215 3.00 5.424 17.82  0  0    3    4
#> 14 14.7   8 440.0 230 3.23 5.345 17.42  0  0    3    4
#> 15 30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2
#> 16 15.5   8 318.0 150 2.76 3.520 16.87  0  0    3    2
#> 17 15.2   8 304.0 150 3.15 3.435 17.30  0  0    3    2
#> 18 13.3   8 350.0 245 3.73 3.840 15.41  0  0    3    4
#> 19 19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2
#> 20 26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2
#> 21 30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2
#> 22 15.8   8 351.0 264 4.22 3.170 14.50  0  1    5    4
#> 23 19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6
#> 24 15.0   8 301.0 335 3.54 3.570 14.60  0  1    5    8
#> 25 21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2
#> 
#> [[3]]
#>     mpg cyl  disp  hp drat    wt  qsec vs am gear carb
#> 1  21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
#> 2  21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
#> 3  14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
#> 4  19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4
#> 5  17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
#> 6  16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
#> 7  17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
#> 8  15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3
#> 9  10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4
#> 10 10.4   8 460.0 215 3.00 5.424 17.82  0  0    3    4
#> 11 14.7   8 440.0 230 3.23 5.345 17.42  0  0    3    4
#> 12 13.3   8 350.0 245 3.73 3.840 15.41  0  0    3    4
#> 13 15.8   8 351.0 264 4.22 3.170 14.50  0  1    5    4
#> 14 19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6
#> 15 15.0   8 301.0 335 3.54 3.570 14.60  0  1    5    8
#> 
#> [[4]]
#>     mpg cyl  disp  hp drat    wt  qsec vs am gear carb
#> 1  21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
#> 2  21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
#> 3  14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
#> 4  19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4
#> 5  17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
#> 6  10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4
#> 7  10.4   8 460.0 215 3.00 5.424 17.82  0  0    3    4
#> 8  14.7   8 440.0 230 3.23 5.345 17.42  0  0    3    4
#> 9  13.3   8 350.0 245 3.73 3.840 15.41  0  0    3    4
#> 10 15.8   8 351.0 264 4.22 3.170 14.50  0  1    5    4
#> 11 19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6
#> 12 15.0   8 301.0 335 3.54 3.570 14.60  0  1    5    8
#> 
#> [[5]]
#>    mpg cyl disp  hp drat   wt qsec vs am gear carb
#> 1 19.7   6  145 175 3.62 2.77 15.5  0  1    5    6
#> 2 15.0   8  301 335 3.54 3.57 14.6  0  1    5    8
#> 
#> [[6]]
#>    mpg cyl disp  hp drat   wt qsec vs am gear carb
#> 1 19.7   6  145 175 3.62 2.77 15.5  0  1    5    6
#> 2 15.0   8  301 335 3.54 3.57 14.6  0  1    5    8
#> 
#> [[7]]
#>   mpg cyl disp  hp drat   wt qsec vs am gear carb
#> 1  15   8  301 335 3.54 3.57 14.6  0  1    5    8
#> 
#> [[8]]
#>   mpg cyl disp  hp drat   wt qsec vs am gear carb
#> 1  15   8  301 335 3.54 3.57 14.6  0  1    5    8

Created on 2019-11-21 by the reprex package (v0.3.0)

.init 参数从 mtcars 开始，然后每个步骤都使用序列 (y) 的增量进行过滤，并将过滤后的数据帧作为“累积”值 (x) 传递给下一次迭代。