用真实数据显示我的问题有点棘手,但我希望以下解释:
data_frame(a=c(1,2), b=c(3,4)) %>%
rowwise %>%
mutate(c = a*b, d = c-1, e=c+2) %>%
ungroup
在上面的示例中,当然不需要rowwise
。
现在让我们假设要使c
计算耗时,c
是一个大对象而不是向量化。
因此,您不希望必须执行两次,并且希望在每次计算发生后从内存中清除它。
有一种聪明的方法吗?也许是purrr::map
?
答案 0 :(得分:3)
以下是使用purrr
s invoke_rows
的答案。
library(purrr)
MyDf<-data.frame(a=c(1,2), b=c(3,4))
invoke_rows(.d=MyDf, .f=function(a,b){c=a*b
c(d=c-1,
e=c+2)},
.collate="cols")
<强>更新强>
在回应@JanStanstrup的评论时,如果您想要另一列作为输出的一部分但未出现在计算中,则可以执行以下操作:
MyDf<-data.frame(a=c(1,2), b=c(3,4), dummy=c(6,7))
invoke_rows(.d=MyDf, .f=function(a,b,...){c=a*b
c(d=c-1,
e=c+2)},
.collate="cols")
在这里,dummy
和任何其他列通过...
作为参数传递给.f
函数,但不在该函数中使用,因此它们只是被传递