Question

我正在使用dplyr进行一些编程，并且很好奇如何将表达式（特别是MoreArgs）参数传递给mapply？

考虑一个简单的函数F，它根据某些data.frame和ids对time_range进行子集，然后根据其他列{{1}输出汇总统计信息}。

我们可以组成一些示例数据，我们可以将函数应用到require(dplyr) F <- function(ids, time_range, df, date_column, x) { date_column <- enquo(date_column) x <- enquo(x) df %>% filter(person_id %chin% ids) %>% filter(time_range[1] <= (!!date_column) & (!!date_column) <= time_range[2]) %>% summarise(newvar = sum(!!x)) }。

我们可以成功地将我们的功能应用于每个输入。

person_ids <- lapply(1:2, function(i) sample(letters, size = 10))
time_ranges <- lapply(list(c("2014-01-01", "2014-12-31"),
                           c("2015-01-01", "2015-12-31")), as.Date)

require(data.table)
dt <- CJ(person_id = letters,
         date_col  = seq.Date(from = as.Date('2014-01-01'), to = as.Date('2015-12-31'), by = '1 day'))
dt[, z := rnorm(nrow(dt))]  # The variable we will later sum over, i.e. apply F to.

所以如果我想，我可以编写一个简单的for循环来解决我的问题。但是如果我们尝试应用语法糖并将所有内容包装在F(person_ids[[1]], time_ranges[[1]], dt, date_col, z) F(person_ids[[2]], time_ranges[[2]], dt, date_col, z)中，我们就会收到错误。

mapply

Answer 1

在mapply中，MoreArgs作为列表提供，但R尝试评估列表元素，从而导致错误。正如@Gregor建议的那样，您可以quote我们不想立即评估的那些MoreArgs，防止错误并允许函数继续进行。这可以使用基础quote或dplyr quo：

来完成

mapply(F, person_ids, time_ranges, MoreArgs = list(dt, quote(date_col), quote(z)))

mapply(F, person_ids, time_ranges, MoreArgs = list(dt, quo(date_col), quo(z)))

另一种选择是使用map2包中的purrr，tidyverse包含两个输入向量的mapply等效tidyverse。 mapply函数设置为使用非标准评估，这样可以避免使用library(purrr) map2(person_ids, time_ranges, F, dt, date_col, z)时出现的错误，而无需引用参数：

[[1]]
    newvar
1 40.23419

[[2]]
    newvar
1 71.42327

pmap

更一般地说，你可以使用pmap(list(person_ids, time_ranges), F, dt, date_col, z)，它在任意数量的输入向量上并行迭代：

loss = 0
loss += loss_function(pred_A, label_A)
loss += loss_function(pred_B, label_B)

loss.backward()

将表达式传递给`mapply`的`MoreArgs`

1 个答案: