逐行迭代，例如 apply with purrr

Posted 2023-02-14

【中文标题】逐行迭代，例如 apply with purrr

【英文标题】：Row-wise iteration like apply with purrr

【发布时间】：2018-04-04 14:19:17

【问题描述】：

如何使用 purrr::map 实现逐行迭代？

以下是我如何使用标准的逐行应用来做到这一点。

df <- data.frame(a = 1:10, b = 11:20, c = 21:30)

lst_result <- apply(df, 1, function(x)
            var1 <- (x[['a']] + x[['b']])
            var2 <- x[['c']]/2
            return(data.frame(var1 = var1, var2 = var2))
          )

但是，这不是太优雅，我宁愿用 purrr 来做。也可能（或可能不会）更快。

【参考方案1】：

您可以使用pmap 进行逐行迭代。这些列用作您正在使用的任何函数的参数。在您的示例中，您将有一个三参数函数。

例如，这里是pmap 使用匿名函数来完成您正在做的工作。列按照它们在数据集中的顺序传递给函数。

pmap(df, function(a, b, c) 
     data.frame(var1 = a + b,
                var2 = c/2) 
       ) 

您可以使用 purrr 波浪号“速记”来表示匿名函数，方法是按顺序引用前面带有两个点的数字的列。

pmap(df, ~data.frame(var1 = ..1 + ..2,
                var2 = ..3/2)  ) 

如果您想将这些特定结果作为 data.frame 而不是列表，您可以使用pmap_dfr。

【讨论】：

在第一个示例中，如果 df 有 100 列并且我只想操作第 90 列，我该怎么办？我知道我可以通过索引号来引用它，但我想通过名称来引用它。

@matsuo_basho 如果您只想使用单个列，其他工具可能更合适（例如，dplyr::mutate）。但是，pmap 的文档指出，您始终可以使用... 来“吸收输入 [the] 列表中未使用的组件”。所以如果感兴趣的列被命名为“c”，像pmap(df, function(c, ...) data.frame(var1 = c/2) ) 这样的东西就可以了。

... 是做什么用的？

@AlvaroMorales 它包含所有其余的列名，因此您无需引用pmap() 中的每个列名。 map 系列函数的文档Examples 部分中有一个示例，您可能会发现它很有用！

【参考方案2】：

请注意，您在示例中仅使用矢量化操作，因此您可以很好地做到：

df %>% dplyr::transmute(var1 = a+b,var2 = c/2)

（或在基础 R 中：transform(df,var1 = a+b,var2 = c/2)[4:5]）

如果您使用非向量化函数，例如中位数，您可以使用@aosmith 的答案中的pmap，或使用dplyr::rowwise。

rowwise 速度较慢，包维护人员建议改用map 系列，但在某些情况下，它可以说比pmap 更容易看。当速度不是问题时，我个人仍然使用它：

library(dplyr)
df %>% transmute(var3 = pmap(.,~median(c(..1,..2,..3))))
df %>% rowwise %>% transmute(var3 = median(c(a,b,c)))

（返回严格的未命名列表输出：res %>% split(seq(nrow(.))) %>% unname）

【参考方案3】：

您可以随时对您“喜欢”的函数进行封装。

rmap <- function (.x, .f, ...) 
    if(is.null(dim(.x))) stop("dim(X) must have a positive length")
    .x <- t(.x) %>% as.data.frame(.,stringsAsFactors=F)
    purrr::map(.x=.x,.f=.f,...)

应用新功能rmap（rowwisema​​p）

rmap(df1,~
    var1 <- (.x[[1]] + .x[[2]])
    var2 <- .x[[3]]/2
    return(data.frame(var1 = var1, var2 = var2))
    )

附加信息：（从上到下评估）

df1 <- data.frame(a=1:3,b=1:3,c=1:3)
m   <- matrix(1:9,ncol=3)

apply(df1,1,sum)
rmap(df1,sum)

apply(m,1,sum)
rmap(m,sum)

apply(1:10,1,sum)  # intentionally throws an error
rmap(1:10,sum)     # intentionally throws an error

【参考方案4】：

您可以结合使用pmap 和...，这对我来说是最好的解决方案，因为我不需要指定参数。

df <- data.frame(a = 1:10, b = 11:20, c = 21:30)

lst_result <- df %>%
   pmap(function(...) 
       x <- tibble(...)
      return(tibble(var1 = x$a + x$b, var2 = x$c/2))
   )