Question

我想创建几个数据框，这些数据框使用数据集中的三个变量进行过滤： state是具有两个可能值的分类变量-va和az； log_aa_3r和log_lat_3r都是连续的数字变量。

我想以4个数据帧结束：每个状态2个数据，每个状态的dfs将被过滤，以便其中一个具有log_aa_3r是有限的所有情况，而另一个具有所有情况，其中log_lat_3r是有限的。

我可以手动执行以下操作：

library(tidyverse)
az_aa <- combine_dat %>%
  filter(state == "az" & is.finite(log_aa_3r))

az_lat <- combine_dat %>%
  filter(state == "az" & is.finite(log_lat_3r))

va_aa <- combine_dat %>%
  filter(state == "va" & is.finite(log_aa_3r))

va_lat <- combine_dat %>%
  filter(state == "va" & is.finite(log_lat_3r))

但是，我想弄清楚如何反复进行此操作。

我觉得我需要使用嵌套的map语句来解决此问题，但是我似乎不太正确。我尝试了以下操作，它产生了我期望的输出结构，但是输出中的所有df都有0个观察值：

states <- list('az', 'va')
use_vars <- list('log_aa_3r', 'log_lat_3r')

dfs <- map(states, function(x)
           {map(use_vars,
                function(y) {comb_test %>%
                 filter(state == x & is.finite(y))}
                )}
           )

这里有一些数据可以帮助解决该问题：

comb_test <- structure(list(state = c("az", "az", "va", "az", "az", "va", 
"va", "az", "va", "va", "az", "az", "az", "va", "az", "az", "va", 
"az", "az", "va"), log_aa_3r = c(0.122043015617762, NaN, 0.418616817019589, 
NaN, -0.237849698703905, 0.11553768471152, NA, -Inf, 0.253046912790677, 
0.71751672463271, -Inf, -Inf, -Inf, 0.125839047001367, -Inf, 
0.372823951010564, 0.43784426926065, -Inf, -Inf, NA), log_lat_3r = c(0.0393482723090127, 
-0.352428653057281, -0.0641399653902218, -0.306485199414877, 
-0.696871579650928, -0.191460177039553, NA, -0.361114213161674, 
-0.0786756534620034, 0.216382765848136, 0.0344915670084646, 0.00130866713103227, 
0.756875541289108, NA, -0.216873938300614, -0.0627820764799239, 
0.261387831919094, -0.018314845703395, -0.161990655409072, NA
)), row.names = c(NA, -20L), class = c("tbl_df", "tbl", "data.frame"
))

任何帮助将不胜感激！

编辑：

我使用下面的代码来工作。这可能不是最优雅的，因为我最终得到的tbl名称与变量名称相同，但是确实可以达到我的目的。

df2 <- 
  map(states, function(x) 
{map_at(combine_test, c("log_aa_3r", "log_lat_3r"), function(y) 
{combine_test %>%
    filter(state == x & is.finite(y))})}
  )

df_list <- list(az_aa = df2[[1]]$log_aa_3r, az_lat = df2[[1]]$log_lat_3r, 
                va_aa = df2[[2]]$log_aa_3r, va_lat = df2[[2]]$log_lat_3r)

Answer 1

这是执行此操作的一种方法。首先，您可以使用tidyr::crossing

生成所有条件

states <- c('az', 'va')
use_vars <- c('log_aa_3r', 'log_lat_3r')
conditions <- tidyr::crossing(states, use_vars)

然后，您可以使用purrr::pmap遍历这两个列表

purrr::pmap(conditions, function(states, use_vars) {
  comb_test %>% filter(state==!!(states) & is.finite(!!sym(use_vars)))
})

这里我们使用拼接（!!）插入值，并使用sym()将变量名的字符串版本转换为符号

使用purrr（非同时）遍历多个列表？

1 个答案: