Question

我正在努力更好地了解pmap()在数据框架中的工作原理，并且在将pmap()应用于来自多个列的计算方法时，我得到了令人惊讶的结果。

mtcars %>% 
  mutate(comp_var = pmap_dbl(list(vs, am, cyl), mean)) %>% 
  select(comp_var, vs, am, cyl)

在上面的例子中，comp_var等于其行中vs的值，而不是给定行中三个变量的平均值。

我知道我可以使用... {/ 1>获得comp_var的准确结果

mtcars %>% 
  rowwise() %>% 
    mutate(comp_var = mean(c(vs, am, cyl))) %>% 
    select(comp_var, vs, am, cyl) %>% 
  ungroup()

...但我想了解在这种情况下如何应用pmap()。

Answer 1

我们需要将x中mean参数的参数连接为

x：一个R对象。目前有数字/逻辑方法矢量和日期，日期时间和时间间隔对象。复数向量仅允许'trim = 0'。

因此，如果我们传递x1，x2，x3等参数，它将根据用法进入...参数

mean（x，...）

例如

mean(5, 8) # x is 5
#[1] 5 
mean(8, 5) # x is 8
#[1] 8
mean(c(5, 8)) # x is a vector with 2 values
#[1] 6.5

在rowwise函数中，OP将元素连接到单个向量，而pmap将其保留为mean以应用于第一个参数

out1 <- mtcars %>% 
         mutate(comp_var = pmap_dbl(list(vs, am, cyl), ~mean(c(...)))) %>% 
         dplyr::select(comp_var, vs, am, cyl)

- 使用rowwise输出

进行检查

out2 <- mtcars %>% 
         rowwise() %>% 
         mutate(comp_var = mean(c(vs, am, cyl))) %>% 
         dplyr::select(comp_var, vs, am, cyl) %>% 
         ungroup()

all.equal(out1, out2, check.attributes = FALSE)
#[1] TRUE

使用pmap（）计算多列的行方式

1 个答案: