library(tidyverse)
我尝试使用tidyverse工具使用dplyr :: bind_rows（）选择性地绑定数据帧列表。我将拆分mtcars数据集以创建我的真实数据的基本再现。
Df<-mtcars%>%
split(.$carb)%>%
head()
我可以将它与bind_rows（）...
绑定在一起Df<-Df%>%
bind_rows()
但是如何有选择地绑定列表的元素。我想要做的是创建两个列表 - 第一个绑定列表元素1,3,6，而第二个绑定2,4,8。 我想的就是......
Df<-Df%>%map(~bind_rows(.x,list(.$`1`,.$`3`,.$`6`),list(.$`2`,.$`4`,.$`8`)))
但是这段代码显然不正确，所以我很感激一些建议。
答案 0 :(得分：1)
好的，所以我意识到OP只是给出了一个例子，最初的起点是
Df<- mtcars%>% split(.$carb)
如果我们这样做，原始解决方案仍然有效
lst <- list(x = c(1, 3, 6), y = c(2, 4, 8))
Df %>%
bind_rows() %>%
split(.$carb %in% lst[[1]])
但有没有办法可以直接根据lst绑定它们？
我不是tidyverse的专家，但经过documentation后，我找到了一个函数invoke_map，它可以提供我们想要的内容。
invoke_map(list(
function(x){x %>% map(. %>% filter(carb %in% lst[[1]])) %>% map_df(c)},
function(x){x %>% map(. %>% filter(carb %in% lst[[2]])) %>% map_df(c)})
#[[1]]
# A tibble: 11 x 11
# mpg cyl disp hp drat wt qsec vs am gear carb
# <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
# 1 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1
# 2 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
# 3 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
# 4 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1
# 5 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1
# 6 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1
# 7 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1
# 8 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3
# 9 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3
#10 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3
#11 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
#[[2]]
# A tibble: 21 x 11
# mpg cyl disp hp drat wt qsec vs am gear carb
# <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
# 1 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2
# 2 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2
# 3 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2
# 4 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2
# 5 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2
# 6 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2
# 7 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2
# 8 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2
# 9 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2
#10 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2
# ... with 11 more rows
给出了预期的输出。可能有更好的方法来优化这一点，我不确定。
原始答案：
为什么不改变split步骤？不使用bind_rows()获取输出。
lst <- list(x = c(1, 3, 6), y = c(2, 4, 8))
mtcars %>%
split(.$carb %in% lst[[1]])
#$`FALSE`
# mpg cyl disp hp drat wt qsec vs am gear carb
#Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
#Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
#Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2
#Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4
#Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2
#Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2
#Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4
#Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4
#Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4
#Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4
#Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4
#Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2
#Dodge Challenger 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2
#AMC Javelin 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2
#Camaro Z28 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4
#Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2
#Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2
#Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2
#Ford Pantera L 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4
#Maserati Bora 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8
#Volvo 142E 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2
#$`TRUE`
# mpg cyl disp hp drat wt qsec vs am gear carb
#Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1
#Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
#Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
#Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3
#Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3
#Merc 450SLC 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3
#Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1
#Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1
#Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1
#Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1
#Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
答案 1 :(得分：1)
这可能是另一种方式。我试图在这里反映您的map()主题。我在基数R中使用了Map()。如果您想使用purrr包，我认为您可以尝试map2()。
foo <- mtcars %>% split(.$carb)
Map(function(x, y) bind_rows(foo[c(x, y)]), c(TRUE, FALSE), c(FALSE, TRUE))
map2(.x = c(TRUE, FALSE), .y = c(FALSE, TRUE), .f = ~ bind_rows(foo[c(.x, .y)]))
[[1]]
mpg cyl disp hp drat wt qsec vs am gear carb
1 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1
2 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
3 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
4 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1
5 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1
6 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1
7 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1
8 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3
9 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3
10 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3
11 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
[[2]]
mpg cyl disp hp drat wt qsec vs am gear carb
1 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2
2 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2
3 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2
4 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2
5 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2
6 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2
7 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2
8 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2
9 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2
10 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2
11 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
12 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
13 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4
14 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4
15 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4
16 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4
17 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4
18 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4
19 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4
20 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4
21 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8
答案 2 :(得分：0)
一种简单的方法是在隐式函数中使用一个固定参数进行映射。
picker <- list(c('1', '3', '6'), c('2', '4', '8'))
my_out <- map(picker, ~'['(Df, .x) %>% bind_rows)
my_out %>% print
我认为你现在想要的是：
[[1]]
mpg cyl disp hp drat wt qsec vs am gear carb
1 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1
2 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
3 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
4 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1
5 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1
6 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1
7 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1
8 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3
9 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3
10 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3
11 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
[[2]]
mpg cyl disp hp drat wt qsec vs am gear carb
1 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2
2 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2
3 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2
4 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2
5 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2
6 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2
7 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2
8 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2
9 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2
10 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2
11 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
12 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
13 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4
14 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4
15 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4
16 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4
17 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4
18 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4
19 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4
20 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4
21 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8
注意：我最初对您是否希望我将picker称为列表的 indices 或您想要名称列表感到困惑。这种混淆只是split()名单列表的工件，可能并不适用于您的真实数据。