purrr 映射不产生整洁的数据

Question

感谢这个网站，我使用 R purrr 包来聚合基于多列的数据。聚合按我想要的方式工作，但输出不是。这是使用 mtcars 数据集的示例。

library(dplyr)
library(purrr)
#pull in data
data <- mtcars
#get colnames
variable1 <- colnames(data)
#map the variables
t1 <- map(variable1, ~ data %>%
         group_by_at(.x) %>%
         summarize(number = mean(mpg))) %>%
    set_names(variable1) %>%
    bind_rows(., .id = 'variable')

如果我期望三列（预测变量、每个变量中的水平、聚合），我有 8 个。请参见下图：

如何将我的代码放在顶部并生成整洁的数据集？

Answer 1

在 map 内对数据进行分组时，您可以将分组变量重命名为 "level"，因为这些值将形成包含最终数据集中分组变量水平的列。

当您有混合类型的分组变量（例如，数字和字符）时，您还需要将分组变量强制转换为字符，以便能够将结果绑定在一起。

添加这些内容后，您应该会得到预期的结果。（您也可以使用 map_df 而不是 map 来跳过 bind_rows，以节省一些代码，就像我在下面所做的那样。）

reprex::reprex_info()
#> Created by the reprex package v0.1.1.9000 on 2018-02-09

library(purrr)
library(dplyr)

data <- iris
vars <- names(data)

set_names(vars) %>% 
  map_df(function(var) {
    var <- set_names(var, "level")
    data %>% 
      group_by_at(var) %>% 
      summarize_at("Sepal.Length", "mean") %>% 
      mutate_at("level", as.character)
  }, .id = "variable")
#> # A tibble: 126 x 3
#>        variable level Sepal.Length
#>           <chr> <chr>        <dbl>
#>  1 Sepal.Length   4.3          4.3
#>  2 Sepal.Length   4.4          4.4
#>  3 Sepal.Length   4.5          4.5
#>  4 Sepal.Length   4.6          4.6
#>  5 Sepal.Length   4.7          4.7
#>  6 Sepal.Length   4.8          4.8
#>  7 Sepal.Length   4.9          4.9
#>  8 Sepal.Length     5          5.0
#>  9 Sepal.Length   5.1          5.1
#> 10 Sepal.Length   5.2          5.2
#> # ... with 116 more rows

你也可以将过程包裹在一个函数中，让多个变量总结成多个函数。不过，您必须花点时间想出一个令人回味的名字（我作弊，只是在这里使用了 foo）。

foo <- function(data, vars, funs) {
  grps <- names(data)
  set_names(grps) %>% 
    map_df(function(grp) {
      grp <- set_names(grp, "level")
      data %>% 
        group_by_at(grp) %>% 
        summarize_at(vars, funs) %>% 
        mutate_at("level", as.character)
    }, .id = "variable")
}

foo(iris, vars(Sepal.Length, Sepal.Width), funs(mean, sd))
#> # A tibble: 126 x 6
#>        variable level Sepal.Length_mean Sepal.Width_mean Sepal.Length_sd
#>           <chr> <chr>             <dbl>            <dbl>           <dbl>
#>  1 Sepal.Length   4.3               4.3         3.000000             NaN
#>  2 Sepal.Length   4.4               4.4         3.033333               0
#>  3 Sepal.Length   4.5               4.5         2.300000             NaN
#>  4 Sepal.Length   4.6               4.6         3.325000               0
#>  5 Sepal.Length   4.7               4.7         3.200000               0
#>  6 Sepal.Length   4.8               4.8         3.180000               0
#>  7 Sepal.Length   4.9               4.9         2.950000               0
#>  8 Sepal.Length     5               5.0         3.120000               0
#>  9 Sepal.Length   5.1               5.1         3.477778               0
#> 10 Sepal.Length   5.2               5.2         3.425000               0
#> # ... with 116 more rows, and 1 more variables: Sepal.Width_sd <dbl>

Answer 2

一个简单的方法是将数据重塑为长格式，这样您就可以使用普通的 dplyr 进行聚合：

library(tidyverse)

mpg_means <- mtcars %>% 
    gather(variable, value, -mpg) %>% 
    group_by(variable, value) %>% 
    summarise(mean_mpg = mean(mpg))

mpg_means
#> # A tibble: 146 x 3
#> # Groups:   variable [?]
#>    variable value mean_mpg
#>    <chr>    <dbl>    <dbl>
#>  1 am          0.     17.1
#>  2 am          1.     24.4
#>  3 carb        1.     25.3
#>  4 carb        2.     22.4
#>  5 carb        3.     16.3
#>  6 carb        4.     15.8
#>  7 carb        6.     19.7
#>  8 carb        8.     15.0
#>  9 cyl         4.     26.7
#> 10 cyl         6.     19.7
#> # ... with 136 more rows

请注意，虽然 mtcars 完全是数字，但如果您有不同的类型，转换为长格式将强制转换为变量类型。计算将是相同的，但稍后可能会导致问题。要解决它，请使用可以处理不同类型的输出格式，例如

mpg_means_in_list_cols <- mtcars %>% 
    as_tibble() %>%    # compact printing for list columns
    summarise_all(list) %>%    # collapse each column into a list of itself
    gather(group, group_values, -mpg) %>% 
    mutate(mpg_means = map2(mpg, group_values,    # for each mpg/value pair, ...
                            ~tibble(mpg = .x, group_value = .y) %>%    # ...reconstruct a data frame...
                                group_by(group_value) %>% 
                                summarise(mean_mpg = mean(mpg))))    # ...and aggregate

mpg_means_in_list_cols
#> # A tibble: 10 x 4
#>    mpg        group group_values mpg_means        
#>    <list>     <chr> <list>       <list>           
#>  1 <dbl [32]> cyl   <dbl [32]>   <tibble [3 × 2]> 
#>  2 <dbl [32]> disp  <dbl [32]>   <tibble [27 × 2]>
#>  3 <dbl [32]> hp    <dbl [32]>   <tibble [22 × 2]>
#>  4 <dbl [32]> drat  <dbl [32]>   <tibble [22 × 2]>
#>  5 <dbl [32]> wt    <dbl [32]>   <tibble [29 × 2]>
#>  6 <dbl [32]> qsec  <dbl [32]>   <tibble [30 × 2]>
#>  7 <dbl [32]> vs    <dbl [32]>   <tibble [2 × 2]> 
#>  8 <dbl [32]> am    <dbl [32]>   <tibble [2 × 2]> 
#>  9 <dbl [32]> gear  <dbl [32]>   <tibble [3 × 2]> 
#> 10 <dbl [32]> carb  <dbl [32]>   <tibble [6 × 2]>

虽然这绝对不是那么漂亮，但它能够整齐地容纳多种类型。要提取上面的结果，只需添加 %>% unnest(mpg_means)。按原样，每个分组变量都保存在 group_values 的列表元素中，并以聚合形式保存在每个 mpg_means tibble 的第一列中。

purrr 映射不产生整洁的数据

purrr mapping not producing tidy data

r

dplyr

purrr

tidyverse