dplyr：如何以编程方式 full_join 列表列表中包含的数据帧？
dplyr : how-to programmatically full_join dataframes contained in a list of lists?
上下文和数据结构
我将与您分享我的庞大数据集的简化版本。这个简化版本完全尊重我的原始数据集的结构，但包含的列表元素、数据框、变量和观察结果比原始版本少。
根据对问题的最高投票回答：How to make a great R reproducible example ?，我使用 dput(query1) 的输出分享我的数据集，为您提供一些可以立即在 R 中使用的东西 copy/paste R控制台中的以下代码块：
structure(list(plu = structure(list(year = structure(list(id = 1:3,
station = 100:102, pluMean = c(0.509068994778059, 1.92866478959912,
1.09517453602154), pluMax = c(0.0146962179957886, 0.802984389130343,
2.48170762478472)), .Names = c("id", "station", "pluMean",
"pluMax"), row.names = c(NA, -3L), class = "data.frame"), month = structure(list(
id = 1:3, station = 100:102, pluMean = c(0.66493845927034,
-1.3559338786041, 0.195600637750077), pluMax = c(0.503424623872161,
0.234402501255681, -0.440264545434053)), .Names = c("id",
"station", "pluMean", "pluMax"), row.names = c(NA, -3L), class = "data.frame"),
week = structure(list(id = 1:3, station = 100:102, pluMean = c(-0.608295829330578,
-1.10256919591373, 1.74984007126193), pluMax = c(0.969668266601551,
0.924426323739882, 3.47460867665884)), .Names = c("id", "station",
"pluMean", "pluMax"), row.names = c(NA, -3L), class = "data.frame")), .Names = c("year",
"month", "week")), tsa = structure(list(year = structure(list(
id = 1:3, station = 100:102, tsaMean = c(-1.49060721773042,
-0.684735418997484, 0.0586655881113975), tsaMax = c(0.25739838787582,
0.957634817758648, 1.37198023881125)), .Names = c("id", "station",
"tsaMean", "tsaMax"), row.names = c(NA, -3L), class = "data.frame"),
month = structure(list(id = 1:3, station = 100:102, tsaMean = c(-0.684668662999479,
-1.28087846387974, -0.600175481941456), tsaMax = c(0.962916941685075,
0.530773351897188, -0.217143593955998)), .Names = c("id",
"station", "tsaMean", "tsaMax"), row.names = c(NA, -3L), class = "data.frame"),
week = structure(list(id = 1:3, station = 100:102, tsaMean = c(0.376481732842365,
0.370435880636005, -0.105354927593471), tsaMax = c(1.93833635147645,
0.81176751708868, 0.744932493064975)), .Names = c("id", "station",
"tsaMean", "tsaMax"), row.names = c(NA, -3L), class = "data.frame")), .Names = c("year",
"month", "week"))), .Names = c("plu", "tsa"))
执行此操作后，如果您执行 str(query1),，您将获得我的示例数据集的结构：
> str(query1)
List of 2
$ plu:List of 3
..$ year :'data.frame': 3 obs. of 4 variables:
.. ..$ id : int [1:3] 1 2 3
.. ..$ station: int [1:3] 100 101 102
.. ..$ pluMean: num [1:3] 0.509 1.929 1.095
.. ..$ pluMax : num [1:3] 0.0147 0.803 2.4817
..$ month:'data.frame': 3 obs. of 4 variables:
.. ..$ id : int [1:3] 1 2 3
.. ..$ station: int [1:3] 100 101 102
.. ..$ pluMean: num [1:3] 0.665 -1.356 0.196
.. ..$ pluMax : num [1:3] 0.503 0.234 -0.44
..$ week :'data.frame': 3 obs. of 4 variables:
.. ..$ id : int [1:3] 1 2 3
.. ..$ station: int [1:3] 100 101 102
.. ..$ pluMean: num [1:3] -0.608 -1.103 1.75
.. ..$ pluMax : num [1:3] 0.97 0.924 3.475
$ tsa:List of 3
..$ year :'data.frame': 3 obs. of 4 variables:
.. ..$ id : int [1:3] 1 2 3
.. ..$ station: int [1:3] 100 101 102
.. ..$ tsaMean: num [1:3] -1.4906 -0.6847 0.0587
.. ..$ tsaMax : num [1:3] 0.257 0.958 1.372
..$ month:'data.frame': 3 obs. of 4 variables:
.. ..$ id : int [1:3] 1 2 3
.. ..$ station: int [1:3] 100 101 102
.. ..$ tsaMean: num [1:3] -0.685 -1.281 -0.6
.. ..$ tsaMax : num [1:3] 0.963 0.531 -0.217
..$ week :'data.frame': 3 obs. of 4 variables:
.. ..$ id : int [1:3] 1 2 3
.. ..$ station: int [1:3] 100 101 102
.. ..$ tsaMean: num [1:3] 0.376 0.37 -0.105
.. ..$ tsaMax : num [1:3] 1.938 0.812 0.745
它怎么读？我有 大列表 (query1)，由 2 个 参数 元素 (plu & tsa) 组成，这 2 个 parameters 元素中的每一个都是由 3 个元素（year、month、week）组成的列表，这 3 个元素中的每一个都是timeInterval 数据帧由相同的 4 变量 列组成（id、station、mean、max) 和完全相同的观察次数 (3).
我想达到的目标
我想以编程方式 full_join id & station 所有 timeInterval 数据帧同名（year、month、week）。这意味着我最终应该得到一个包含 3 个数据帧（year、month、week）的新列表 (query1Changed)，每个数据帧包含 5 列 (id、station、pluMean、pluMax、tsaMean、tsaMax) 和 3 个观察值。示意性地，我需要按如下方式安排数据：
按站点和 id 执行 full_join:
- df
query1$plu$year 与 df query1$tsa$year
- df
query1$plu$month 与 df query1$tsa$month
- df
query1$plu$week 与 df query1$tsa$week
或者用另一种表示方式表示：
- df
query1[[1]][[1]] 与 df query1[[2]][[1]]
- df
query1[[1]][[2]] 与 df query1[[2]][[2]]
- df
query1[[1]][[3]] 与 df query1[[2]][[3]]
并以编程方式表示（n为大列表的元素总数）：
- df
query1[[i]][[1]] 与 df query1[[i+1]][[1]]...与 df query1[[n]][[1]]
- df
query1[[i]][[2]] 与 df query1[[i+1]][[2]]...与 df query1[[n]][[2]]
- df
query1[[i]][[3]] 与 df query1[[i+1]][[3]]...与 df query1[[n]][[3]]
我需要以编程方式实现这一点，因为在我的真实项目中，我可能会遇到另一个 大列表 ，其中包含超过 2 个 参数 元素等等在每个 timeIntervals 数据帧中超过 4 variables 列。
在我的分析中，将始终保持不变的事实是另一个 大列表 的所有 参数 元素将始终具有具有相同名称的相同数量的 timeIntervals 数据帧，并且这些 timeIntervals 数据帧中的每一个都将始终具有相同数量的观察值，并且始终共享 2 列完全相同的名称和相同的值 (id & station)
我成功了
执行以下代码：
> query1Changed <- do.call(function(...) mapply(bind_cols, ..., SIMPLIFY=F), args = query1)
按预期排列数据。然而，这不是一个巧妙的解决方案，因为我们最终得到重复的列名 (id & station) :
> str(query1Changed)
List of 3
$ year :'data.frame': 3 obs. of 8 variables:
..$ id : int [1:3] 1 2 3
..$ station : int [1:3] 100 101 102
..$ pluMean : num [1:3] 0.509 1.929 1.095
..$ pluMax : num [1:3] 0.0147 0.803 2.4817
..$ id1 : int [1:3] 1 2 3
..$ station1: int [1:3] 100 101 102
..$ tsaMean : num [1:3] -1.4906 -0.6847 0.0587
..$ tsaMax : num [1:3] 0.257 0.958 1.372
$ month:'data.frame': 3 obs. of 8 variables:
..$ id : int [1:3] 1 2 3
..$ station : int [1:3] 100 101 102
..$ pluMean : num [1:3] 0.665 -1.356 0.196
..$ pluMax : num [1:3] 0.503 0.234 -0.44
..$ id1 : int [1:3] 1 2 3
..$ station1: int [1:3] 100 101 102
..$ tsaMean : num [1:3] -0.685 -1.281 -0.6
..$ tsaMax : num [1:3] 0.963 0.531 -0.217
$ week :'data.frame': 3 obs. of 8 variables:
..$ id : int [1:3] 1 2 3
..$ station : int [1:3] 100 101 102
..$ pluMean : num [1:3] -0.608 -1.103 1.75
..$ pluMax : num [1:3] 0.97 0.924 3.475
..$ id1 : int [1:3] 1 2 3
..$ station1: int [1:3] 100 101 102
..$ tsaMean : num [1:3] 0.376 0.37 -0.105
..$ tsaMax : num [1:3] 1.938 0.812 0.745
我们可以向 "clean" 数据添加第二个进程，但这不是最有效的解决方案。所以我不想使用这个解决方法。
接下来，我尝试使用 dplyr full_join 做同样的事情，但没有成功。执行以下代码：
> query1Changed <- do.call(function(...) mapply(full_join(..., by = c("station", "id")), ..., SIMPLIFY=F), args = query1)
returns 出现以下错误：
Error in UseMethod("full_join") :
no applicable method for 'full_join' applied to an object of class "list"
那么，我应该如何编写我的 full_join 表达式以使其在数据帧上 运行 ？
或者是否有其他方法可以有效地执行我的数据转换？
我在网上找到的可以提供帮助的内容？
我找到了相关问题，但我仍然无法弄清楚如何使他们的解决方案适应我的问题。
在 Whosebug 上：
-
- Simultaneously merge multiple data.frames in a list
-
- Combining elements of list of lists by index
在博客上：
- Joining a List of Data Frames with purrr::reduce()
如有任何帮助，我们将不胜感激。我希望我已经清楚地描述了我的问题。
我在 2 个月前才开始使用 R 编程，所以如果解决方案很明显，请宽容;)
首先，感谢您对您的问题是什么以及您的解决方案需要哪些要求进行了非常好的描述。
首先，我将使用 purrr::map2 创建一个函数，该函数接受两个数据框列表并将它们并行连接。也就是说，它将 plu 的第一个数据帧与 tsa 的第一个数据帧连接起来……plu 的最后一个数据帧与 tsa 的最后一个数据帧以及 returns 结果列表。
> join_each = function(x, y) map2(x, y, full_join)
> join_each(query1$plu, query1$tsa)
Joining, by = c("id", "station")
Joining, by = c("id", "station")
Joining, by = c("id", "station")
$year
id station pluMean pluMax tsaMean tsaMax
1 1 100 0.509069 0.01469622 -1.49060722 0.2573984
2 2 101 1.928665 0.80298439 -0.68473542 0.9576348
3 3 102 1.095175 2.48170762 0.05866559 1.3719802
$month
id station pluMean pluMax tsaMean tsaMax
1 1 100 0.6649385 0.5034246 -0.6846687 0.9629169
2 2 101 -1.3559339 0.2344025 -1.2808785 0.5307734
3 3 102 0.1956006 -0.4402645 -0.6001755 -0.2171436
$week
id station pluMean pluMax tsaMean tsaMax
1 1 100 -0.6082958 0.9696683 0.3764817 1.9383364
2 2 101 -1.1025692 0.9244263 0.3704359 0.8117675
3 3 102 1.7498401 3.4746087 -0.1053549 0.7449325
好吧，这在只有两个列表时有效，但你希望它在有 n 个 data.frames 列表时有效。现在你需要 purrr::reduce:
> reduce(query1, join_each)
Joining, by = c("id", "station")
Joining, by = c("id", "station")
Joining, by = c("id", "station")
$year
id station pluMean pluMax tsaMean tsaMax
1 1 100 0.509069 0.01469622 -1.49060722 0.2573984
2 2 101 1.928665 0.80298439 -0.68473542 0.9576348
3 3 102 1.095175 2.48170762 0.05866559 1.3719802
$month
id station pluMean pluMax tsaMean tsaMax
1 1 100 0.6649385 0.5034246 -0.6846687 0.9629169
2 2 101 -1.3559339 0.2344025 -1.2808785 0.5307734
3 3 102 0.1956006 -0.4402645 -0.6001755 -0.2171436
$week
id station pluMean pluMax tsaMean tsaMax
1 1 100 -0.6082958 0.9696683 0.3764817 1.9383364
2 2 101 -1.1025692 0.9244263 0.3704359 0.8117675
3 3 102 1.7498401 3.4746087 -0.1053549 0.7449325
它计算join_each(query1[[1]], query1[[2]]) %>% join_each(query1[[3]]) ... %>% join_each(query1[[n]])。
Update：下面的一行代码做同样的事情：reduce(query1, map2, full_join)。不过，它的可读性不高。
上下文和数据结构
我将与您分享我的庞大数据集的简化版本。这个简化版本完全尊重我的原始数据集的结构，但包含的列表元素、数据框、变量和观察结果比原始版本少。
根据对问题的最高投票回答：How to make a great R reproducible example ?，我使用 dput(query1) 的输出分享我的数据集，为您提供一些可以立即在 R 中使用的东西 copy/paste R控制台中的以下代码块：
structure(list(plu = structure(list(year = structure(list(id = 1:3,
station = 100:102, pluMean = c(0.509068994778059, 1.92866478959912,
1.09517453602154), pluMax = c(0.0146962179957886, 0.802984389130343,
2.48170762478472)), .Names = c("id", "station", "pluMean",
"pluMax"), row.names = c(NA, -3L), class = "data.frame"), month = structure(list(
id = 1:3, station = 100:102, pluMean = c(0.66493845927034,
-1.3559338786041, 0.195600637750077), pluMax = c(0.503424623872161,
0.234402501255681, -0.440264545434053)), .Names = c("id",
"station", "pluMean", "pluMax"), row.names = c(NA, -3L), class = "data.frame"),
week = structure(list(id = 1:3, station = 100:102, pluMean = c(-0.608295829330578,
-1.10256919591373, 1.74984007126193), pluMax = c(0.969668266601551,
0.924426323739882, 3.47460867665884)), .Names = c("id", "station",
"pluMean", "pluMax"), row.names = c(NA, -3L), class = "data.frame")), .Names = c("year",
"month", "week")), tsa = structure(list(year = structure(list(
id = 1:3, station = 100:102, tsaMean = c(-1.49060721773042,
-0.684735418997484, 0.0586655881113975), tsaMax = c(0.25739838787582,
0.957634817758648, 1.37198023881125)), .Names = c("id", "station",
"tsaMean", "tsaMax"), row.names = c(NA, -3L), class = "data.frame"),
month = structure(list(id = 1:3, station = 100:102, tsaMean = c(-0.684668662999479,
-1.28087846387974, -0.600175481941456), tsaMax = c(0.962916941685075,
0.530773351897188, -0.217143593955998)), .Names = c("id",
"station", "tsaMean", "tsaMax"), row.names = c(NA, -3L), class = "data.frame"),
week = structure(list(id = 1:3, station = 100:102, tsaMean = c(0.376481732842365,
0.370435880636005, -0.105354927593471), tsaMax = c(1.93833635147645,
0.81176751708868, 0.744932493064975)), .Names = c("id", "station",
"tsaMean", "tsaMax"), row.names = c(NA, -3L), class = "data.frame")), .Names = c("year",
"month", "week"))), .Names = c("plu", "tsa"))
执行此操作后，如果您执行 str(query1),，您将获得我的示例数据集的结构：
> str(query1)
List of 2
$ plu:List of 3
..$ year :'data.frame': 3 obs. of 4 variables:
.. ..$ id : int [1:3] 1 2 3
.. ..$ station: int [1:3] 100 101 102
.. ..$ pluMean: num [1:3] 0.509 1.929 1.095
.. ..$ pluMax : num [1:3] 0.0147 0.803 2.4817
..$ month:'data.frame': 3 obs. of 4 variables:
.. ..$ id : int [1:3] 1 2 3
.. ..$ station: int [1:3] 100 101 102
.. ..$ pluMean: num [1:3] 0.665 -1.356 0.196
.. ..$ pluMax : num [1:3] 0.503 0.234 -0.44
..$ week :'data.frame': 3 obs. of 4 variables:
.. ..$ id : int [1:3] 1 2 3
.. ..$ station: int [1:3] 100 101 102
.. ..$ pluMean: num [1:3] -0.608 -1.103 1.75
.. ..$ pluMax : num [1:3] 0.97 0.924 3.475
$ tsa:List of 3
..$ year :'data.frame': 3 obs. of 4 variables:
.. ..$ id : int [1:3] 1 2 3
.. ..$ station: int [1:3] 100 101 102
.. ..$ tsaMean: num [1:3] -1.4906 -0.6847 0.0587
.. ..$ tsaMax : num [1:3] 0.257 0.958 1.372
..$ month:'data.frame': 3 obs. of 4 variables:
.. ..$ id : int [1:3] 1 2 3
.. ..$ station: int [1:3] 100 101 102
.. ..$ tsaMean: num [1:3] -0.685 -1.281 -0.6
.. ..$ tsaMax : num [1:3] 0.963 0.531 -0.217
..$ week :'data.frame': 3 obs. of 4 variables:
.. ..$ id : int [1:3] 1 2 3
.. ..$ station: int [1:3] 100 101 102
.. ..$ tsaMean: num [1:3] 0.376 0.37 -0.105
.. ..$ tsaMax : num [1:3] 1.938 0.812 0.745
它怎么读？我有 大列表 (query1)，由 2 个 参数 元素 (plu & tsa) 组成，这 2 个 parameters 元素中的每一个都是由 3 个元素（year、month、week）组成的列表，这 3 个元素中的每一个都是timeInterval 数据帧由相同的 4 变量 列组成（id、station、mean、max) 和完全相同的观察次数 (3).
我想达到的目标
我想以编程方式 full_join id & station 所有 timeInterval 数据帧同名（year、month、week）。这意味着我最终应该得到一个包含 3 个数据帧（year、month、week）的新列表 (query1Changed)，每个数据帧包含 5 列 (id、station、pluMean、pluMax、tsaMean、tsaMax) 和 3 个观察值。示意性地，我需要按如下方式安排数据：
按站点和 id 执行 full_join:
- df
query1$plu$year与 dfquery1$tsa$year - df
query1$plu$month与 dfquery1$tsa$month - df
query1$plu$week与 dfquery1$tsa$week
或者用另一种表示方式表示：
- df
query1[[1]][[1]]与 dfquery1[[2]][[1]] - df
query1[[1]][[2]]与 dfquery1[[2]][[2]] - df
query1[[1]][[3]]与 dfquery1[[2]][[3]]
并以编程方式表示（n为大列表的元素总数）：
- df
query1[[i]][[1]]与 dfquery1[[i+1]][[1]]...与 dfquery1[[n]][[1]] - df
query1[[i]][[2]]与 dfquery1[[i+1]][[2]]...与 dfquery1[[n]][[2]] - df
query1[[i]][[3]]与 dfquery1[[i+1]][[3]]...与 dfquery1[[n]][[3]]
我需要以编程方式实现这一点，因为在我的真实项目中，我可能会遇到另一个 大列表 ，其中包含超过 2 个 参数 元素等等在每个 timeIntervals 数据帧中超过 4 variables 列。
在我的分析中，将始终保持不变的事实是另一个 大列表 的所有 参数 元素将始终具有具有相同名称的相同数量的 timeIntervals 数据帧，并且这些 timeIntervals 数据帧中的每一个都将始终具有相同数量的观察值，并且始终共享 2 列完全相同的名称和相同的值 (id & station)
我成功了
执行以下代码：
> query1Changed <- do.call(function(...) mapply(bind_cols, ..., SIMPLIFY=F), args = query1)
按预期排列数据。然而，这不是一个巧妙的解决方案，因为我们最终得到重复的列名 (id & station) :
> str(query1Changed)
List of 3
$ year :'data.frame': 3 obs. of 8 variables:
..$ id : int [1:3] 1 2 3
..$ station : int [1:3] 100 101 102
..$ pluMean : num [1:3] 0.509 1.929 1.095
..$ pluMax : num [1:3] 0.0147 0.803 2.4817
..$ id1 : int [1:3] 1 2 3
..$ station1: int [1:3] 100 101 102
..$ tsaMean : num [1:3] -1.4906 -0.6847 0.0587
..$ tsaMax : num [1:3] 0.257 0.958 1.372
$ month:'data.frame': 3 obs. of 8 variables:
..$ id : int [1:3] 1 2 3
..$ station : int [1:3] 100 101 102
..$ pluMean : num [1:3] 0.665 -1.356 0.196
..$ pluMax : num [1:3] 0.503 0.234 -0.44
..$ id1 : int [1:3] 1 2 3
..$ station1: int [1:3] 100 101 102
..$ tsaMean : num [1:3] -0.685 -1.281 -0.6
..$ tsaMax : num [1:3] 0.963 0.531 -0.217
$ week :'data.frame': 3 obs. of 8 variables:
..$ id : int [1:3] 1 2 3
..$ station : int [1:3] 100 101 102
..$ pluMean : num [1:3] -0.608 -1.103 1.75
..$ pluMax : num [1:3] 0.97 0.924 3.475
..$ id1 : int [1:3] 1 2 3
..$ station1: int [1:3] 100 101 102
..$ tsaMean : num [1:3] 0.376 0.37 -0.105
..$ tsaMax : num [1:3] 1.938 0.812 0.745
我们可以向 "clean" 数据添加第二个进程，但这不是最有效的解决方案。所以我不想使用这个解决方法。
接下来，我尝试使用 dplyr full_join 做同样的事情，但没有成功。执行以下代码：
> query1Changed <- do.call(function(...) mapply(full_join(..., by = c("station", "id")), ..., SIMPLIFY=F), args = query1)
returns 出现以下错误：
Error in UseMethod("full_join") :
no applicable method for 'full_join' applied to an object of class "list"
那么，我应该如何编写我的 full_join 表达式以使其在数据帧上 运行 ？
或者是否有其他方法可以有效地执行我的数据转换？
我在网上找到的可以提供帮助的内容？
我找到了相关问题，但我仍然无法弄清楚如何使他们的解决方案适应我的问题。
在 Whosebug 上：
-
在博客上： - Joining a List of Data Frames with purrr::reduce()
如有任何帮助，我们将不胜感激。我希望我已经清楚地描述了我的问题。 我在 2 个月前才开始使用 R 编程，所以如果解决方案很明显，请宽容;)
首先，感谢您对您的问题是什么以及您的解决方案需要哪些要求进行了非常好的描述。
首先，我将使用 purrr::map2 创建一个函数，该函数接受两个数据框列表并将它们并行连接。也就是说，它将 plu 的第一个数据帧与 tsa 的第一个数据帧连接起来……plu 的最后一个数据帧与 tsa 的最后一个数据帧以及 returns 结果列表。
> join_each = function(x, y) map2(x, y, full_join)
> join_each(query1$plu, query1$tsa)
Joining, by = c("id", "station")
Joining, by = c("id", "station")
Joining, by = c("id", "station")
$year
id station pluMean pluMax tsaMean tsaMax
1 1 100 0.509069 0.01469622 -1.49060722 0.2573984
2 2 101 1.928665 0.80298439 -0.68473542 0.9576348
3 3 102 1.095175 2.48170762 0.05866559 1.3719802
$month
id station pluMean pluMax tsaMean tsaMax
1 1 100 0.6649385 0.5034246 -0.6846687 0.9629169
2 2 101 -1.3559339 0.2344025 -1.2808785 0.5307734
3 3 102 0.1956006 -0.4402645 -0.6001755 -0.2171436
$week
id station pluMean pluMax tsaMean tsaMax
1 1 100 -0.6082958 0.9696683 0.3764817 1.9383364
2 2 101 -1.1025692 0.9244263 0.3704359 0.8117675
3 3 102 1.7498401 3.4746087 -0.1053549 0.7449325
好吧，这在只有两个列表时有效，但你希望它在有 n 个 data.frames 列表时有效。现在你需要 purrr::reduce:
> reduce(query1, join_each)
Joining, by = c("id", "station")
Joining, by = c("id", "station")
Joining, by = c("id", "station")
$year
id station pluMean pluMax tsaMean tsaMax
1 1 100 0.509069 0.01469622 -1.49060722 0.2573984
2 2 101 1.928665 0.80298439 -0.68473542 0.9576348
3 3 102 1.095175 2.48170762 0.05866559 1.3719802
$month
id station pluMean pluMax tsaMean tsaMax
1 1 100 0.6649385 0.5034246 -0.6846687 0.9629169
2 2 101 -1.3559339 0.2344025 -1.2808785 0.5307734
3 3 102 0.1956006 -0.4402645 -0.6001755 -0.2171436
$week
id station pluMean pluMax tsaMean tsaMax
1 1 100 -0.6082958 0.9696683 0.3764817 1.9383364
2 2 101 -1.1025692 0.9244263 0.3704359 0.8117675
3 3 102 1.7498401 3.4746087 -0.1053549 0.7449325
它计算join_each(query1[[1]], query1[[2]]) %>% join_each(query1[[3]]) ... %>% join_each(query1[[n]])。
Update：下面的一行代码做同样的事情：reduce(query1, map2, full_join)。不过，它的可读性不高。