map_dfc用于带输入的每一行数据帧

Posted 2021-03-27

我开始学习“purrr”库的用法，并想知道我将如何进行以下操作：

目的

将一个函数应用于数据框的每一行，输入为列，并将函数输出作为输入数据框中的列cbind

理念

从文档中看来map_dfc在这里是完美的功能

试图解决方案

library(purrr)
library(dplyr)

test_func <- function(n, lambda){
  return(n+lambda)
}

n <- seq(1,10,1)
lambda <- seq(1, 10, 1)

new_df <- list(n=n,lambda=lambda) %>% cross_df()

new_df <- map_dfc(new_df, test_func)
# even tried the below
# new_df <- map_dfc(new_df, ~test_func) 

错误

Error in .f(.x[[i]], ...) : argument "lambda" is missing, with no default

答案

purrr方式 - 似乎** - 将使用invoke

new_df %>% 
  mutate(new_col = invoke(test_func, new_df))
# A tibble: 100 x 3
#       n lambda new_col
#   <dbl>  <dbl>   <dbl>
# 1     1      1       2
# 2     2      1       3
# 3     3      1       4
# 4     4      1       5
# 5     5      1       6
# 6     6      1       7
# 7     7      1       8
# 8     8      1       9
# 9     9      1      10
#10    10      1      11
# … with 90 more rows

从帮助文件：

这对函数使得更容易组合函数和参数列表以获得结果。 invoke是do.call的包装器，可以很容易地在管道中使用。

所以invoke(test_func, new_df)是一样的

test_func(new_df[[1]], new_df[[2]])

**帮助文件也说

---

没有purrr包

do.call(test_func, new_df)

另一答案

您需要使用map2_*函数系列，因为您需要在两列上进行walking：

map2_dfc(new_df[1],new_df[2],test_func)

编辑你可以用base的Reduce实现同样的目标：

 Reduce(test_func,new_df)
 #[1]  2  3  4  5  6  7  8  9 10 11

purrr输出：您可以根据需要重命名列：

     n
   <dbl>
 1     2
 2     3
 3     4
 4     5
 5     6
 6     7
 7     8
 8     9
 9    10
10    11