为什么我需要在执行 map(str_match_all()) 之后将我的数据框索引到 map()？

Question

我正在尝试解析包含字符串的数据框以提取最大值（数字），但遇到了一些问题。

如果我以这样的小标题开头：

tester <- tibble("phyloP46way_primate" = c(".{9}", "0.055{1}0.064{3}", "0.225{1}", "0.271{1}", "-0.706{1}-0.708{1}0.248{3}0.298{3}"))

然后使用 map() 或 modify() 应用 str_match_all() 从每个字符向量中挑选出值，我得到一个小标题（对于 modify()） 5 个观察值（每个都是对 str_match_all() 的 5 次调用返回的字符矩阵列表）（或包含 5 个字符矩阵列表的 1 列表（对于 map()）。

regex ≤- "(?:(?:-?\d+\.?\d+?)|\.)(?=(?:\{\d+\}|;|$))"

> str(foo_tbl<- tester %>% modify(str_match_all, pattern = regex))
Classes 'tbl_df', 'tbl' and 'data.frame':    5 obs. of  1 variable:
 $ phyloP46way_primate:List of 5
  ..$ : chr [1, 1] "."
  ..$ : chr [1:2, 1] "0.055" "0.064"
  ..$ : chr [1, 1] "0.225"
  ..$ : chr [1, 1] "0.271"
  ..$ : chr [1:4, 1] "-0.706" "-0.708" "0.248" "0.298"

> str(foo_list<- tester %>% map(str_match_all, pattern = regex))
List of 1
 $ phyloP46way_primate:List of 5
  ..$ : chr [1, 1] "."
  ..$ : chr [1:2, 1] "0.055" "0.064"
  ..$ : chr [1, 1] "0.225"
  ..$ : chr [1, 1] "0.271"
  ..$ : chr [1:4, 1] "-0.706" "-0.708" "0.248" "0.298"

现在，我想要做的是对这些“行”中的每一行应用一个函数。但是当我尝试映射时，它似乎只是将它们全部连接到一个向量中，然后从整个批次中选择单个最大值，而不是 one/row:

> map(foo_tbl, function(x) list_to_max(x))
$phyloP46way_primate
$phyloP46way_primate[[1]]
[1] "0.298"

除非我做一些奇怪的索引并映射到 foo_tbl[[1]] 而不是 foo_tbl:

map(foo_tbl[[1]], function(x) list_to_max(x)) %>% unlist()
[1] "."     "0.064" "0.225" "0.271" "0.298"

我认为我的 list_to_max() 一定在做意想不到的事情，因为它们的行为符合我的预期：

> invisible(map(foo_tbl, function(x) print(paste0("x is: ", x))))
[1] "x is: ."                                              
[2] "x is: c(\"0.055\", \"0.064\")"                        
[3] "x is: 0.225"                                          
[4] "x is: 0.271"                                          
[5] "x is: c(\"-0.706\", \"-0.708\", \"0.248\", \"0.298\")"
> invisible(modify(foo_tbl, function(x) print(paste0("x is: ", x))))
[1] "x is: ."                                              
[2] "x is: c(\"0.055\", \"0.064\")"                        
[3] "x is: 0.225"                                          
[4] "x is: 0.271"                                          
[5] "x is: c(\"-0.706\", \"-0.708\", \"0.248\", \"0.298\")"

这是我的函数：

list_to_max <- function(character_vector) {
  numbers <- suppressWarnings(as.numeric(character_vector))
  if (all(is.na(numbers))) {
    return(".")
    } else {
      numbers %>% max(., na.rm = TRUE) %>% toString()
    }
}

Answer 1

toString 会将所有内容强制转换为逗号分隔的字符串，这不是很有用。这是一个将所有内容都保留在原始 data.frame:

中的工作流程

library(tidyverse)

tester <- tibble("phyloP46way_primate" = c(".{9}", "0.055{1}0.064{3}", "0.225{1}", "0.271{1}", "-0.706{1}-0.708{1}0.248{3}0.298{3}"))

tester %>% 
    mutate(p_clean = gsub('\{.*?\}', ' ', phyloP46way_primate), 
           p_list = strsplit(p_clean, '\s+'), 
           p_list = map(p_list, as.numeric), 
           p_max = map_dbl(p_list, max))
#> # A tibble: 5 x 4
#>                  phyloP46way_primate                    p_clean    p_list p_max
#>                                <chr>                      <chr>    <list> <dbl>
#> 1                               .{9}                         .  <dbl [1]>    NA
#> 2                   0.055{1}0.064{3}               0.055 0.064  <dbl [2]> 0.064
#> 3                           0.225{1}                     0.225  <dbl [1]> 0.225
#> 4                           0.271{1}                     0.271  <dbl [1]> 0.271
#> 5 -0.706{1}-0.708{1}0.248{3}0.298{3} -0.706 -0.708 0.248 0.298  <dbl [4]> 0.298

为什么我需要在执行 map(str_match_all()) 之后将我的数据框索引到 map()？

Why do I need to index my data frame to map() after doing map(str_match_all())?

r

stringr

dplyr

purrr

tidyverse