何时使用map()函数以及何时使用summarise_at()/ mutate_at()

时间:2018-05-04 08:13:24

标签: r purrr modelr

有人可以就何时使用map()(所有地图_ ..()函数)以及何时使用summarise_at() / mutate_at()提出建议?

E.g。如果我们对向量列进行一些修改,那么我们不需要考虑map()? 如果我们有一个df /列中有一个列表,那么我们需要使用map()

map()函数是否始终需要与nest()函数一起使用? 任何人都可以建议一些关于此的学习视频还有如何将列表放在df中并同时为多个列表建模,然后将模型结果存储在另一列中?

非常感谢你!

2 个答案:

答案 0 :(得分:18)

{dplyr}和{purrr}之间的最大区别在于{dplyr}仅用于处理data.frames,而{purrr}旨在用于各种列表。 Data.frames是列表,您也可以使用{purrr}来迭代data.frame。

map_chr(iris, class)
Sepal.Length  Sepal.Width Petal.Length  Petal.Width      Species 
   "numeric"    "numeric"    "numeric"    "numeric"     "factor" 

summarise_atmap_at的行为完全不同:summarise_at只返回您要查找的摘要,map_at将所有data.frame作为列表返回,在您提出要求时进行了修改:

> library(purrr)
> library(dplyr)
> small_iris <- sample_n(iris, 5)
> map_at(small_iris, c("Sepal.Length", "Sepal.Width"), mean)
$Sepal.Length
[1] 6.58

$Sepal.Width
[1] 3.2

$Petal.Length
[1] 6.7 1.3 5.7 4.3 4.7

$Petal.Width
[1] 2.0 0.4 2.1 1.3 1.5

$Species
[1] virginica  setosa     virginica  versicolor versicolor
Levels: setosa versicolor virginica

> summarise_at(small_iris, c("Sepal.Length", "Sepal.Width"), mean)
  Sepal.Length Sepal.Width
1         6.58         3.2

map_at始终返回一个列表,mutate_at始终是data.frame:

> map_at(small_iris, c("Sepal.Length", "Sepal.Width"), ~ .x / 10)
$Sepal.Length
[1] 0.77 0.54 0.67 0.64 0.67

$Sepal.Width
[1] 0.28 0.39 0.33 0.29 0.31

$Petal.Length
[1] 6.7 1.3 5.7 4.3 4.7

$Petal.Width
[1] 2.0 0.4 2.1 1.3 1.5

$Species
[1] virginica  setosa     virginica  versicolor versicolor
Levels: setosa versicolor virginica

> mutate_at(small_iris, c("Sepal.Length", "Sepal.Width"), ~ .x / 10)
  Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
1         0.77        0.28          6.7         2.0  virginica
2         0.54        0.39          1.3         0.4     setosa
3         0.67        0.33          5.7         2.1  virginica
4         0.64        0.29          4.3         1.3 versicolor
5         0.67        0.31          4.7         1.5 versicolor

所以总结一下你的第一个问题,如果你正在考虑在非嵌套的df上“按列”进行操作,并希望得到一个data.frame,你应该去{dplyr}。

关于嵌套列,您必须合并来自{tidyr},group_by()nest()的{​​{1}},mutate()。你在这里做的是创建一个较小版本的数据框,其中包含一个dataeframe列表列。然后,您将使用map()迭代此新列中的元素。

这是我们心爱的虹膜的一个例子:

map()

这里,新对象是一个data.frame,其中colum library(tidyr) iris_n <- iris %>% group_by(Species) %>% nest() iris_n # A tibble: 3 x 2 Species data <fct> <list> 1 setosa <tibble [50 × 4]> 2 versicolor <tibble [50 × 4]> 3 virginica <tibble [50 × 4]> 是一个较小的data.frames列表,一个是Species(我们在data中指定的因子)。然后,我们可以通过简单地执行以下操作来迭代此列:

group_by()

但我们的想法是将所有内容保存在data.frame中,以便我们可以使用map(iris_n$data, ~ lm(Sepal.Length ~ Sepal.Width, data = .x)) [[1]] Call: lm(formula = Sepal.Length ~ Sepal.Width, data = .x) Coefficients: (Intercept) Sepal.Width 2.6390 0.6905 [[2]] Call: lm(formula = Sepal.Length ~ Sepal.Width, data = .x) Coefficients: (Intercept) Sepal.Width 3.5397 0.8651 [[3]] Call: lm(formula = Sepal.Length ~ Sepal.Width, data = .x) Coefficients: (Intercept) Sepal.Width 3.9068 0.9015 创建一个列,以保留mutate结果的新列表:

lm

因此,您可以运行多个iris_n %>% mutate(lm = map(data, ~ lm(Sepal.Length ~ Sepal.Width, data = .x))) # A tibble: 3 x 3 Species data lm <fct> <list> <list> 1 setosa <tibble [50 × 4]> <S3: lm> 2 versicolor <tibble [50 × 4]> <S3: lm> 3 virginica <tibble [50 × 4]> <S3: lm> 来获取mutate()例如:

r.squared

但更有效的方法是使用{purrr}中的iris_n %>% mutate(lm = map(data, ~ lm(Sepal.Length ~ Sepal.Width, data = .x)), lm = map(lm, summary), r_squared = map_dbl(lm, "r.squared")) # A tibble: 3 x 4 Species data lm r_squared <fct> <list> <list> <dbl> 1 setosa <tibble [50 × 4]> <S3: summary.lm> 0.551 2 versicolor <tibble [50 × 4]> <S3: summary.lm> 0.277 3 virginica <tibble [50 × 4]> <S3: summary.lm> 0.209 来构建一次只执行一次的函数,而不是重复compose()

mutate()

如果您知道自己将始终使用get_rsquared <- compose(as_mapper("r.squared"), summary, lm) iris_n %>% mutate(lm = map_dbl(data, ~ get_rsquared(Sepal.Length ~ Sepal.Width, data = .x))) # A tibble: 3 x 3 Species data lm <fct> <list> <dbl> 1 setosa <tibble [50 × 4]> 0.551 2 versicolor <tibble [50 × 4]> 0.277 3 virginica <tibble [50 × 4]> 0.209 ,则甚至可以使用Sepal.Length ~ Sepal.Width预填lm()

partial()

关于资源,我在{purrr}上写了一系列博文,你可以查看:https://colinfay.me/tags/#purrr

答案 1 :(得分:0)

科林给出了一个非常独立的答案。由于您要求提供有关使用多个模型和更多资源的更多资源,我还想添加R 4数据科学的多模型章节,其中概述了使用列表列创建,简化和建模。 http://r4ds.had.co.nz/many-models.html