我正在尝试建立具有多个输入和多个返回值的自定义函数，并将此函数与数据帧上的purrr::map一起使用。
我的样本数据是：
test_data <-
tibble(x1 = 1:10,
x2 = 2:11,
x3 = 3:12,
x4 = x1 + x2 + x3)
这个test_data看起来像这样：
# A tibble: 10 x 4
x1 x2 x3 x4
<int> <int> <int> <int>
1 1 2 3 6
2 2 3 4 9
3 3 4 5 12
4 4 5 6 15
5 5 6 7 18
6 6 7 8 21
7 7 8 9 24
8 8 9 10 27
9 9 10 11 30
10 10 11 12 33
首先，如果我的函数仅具有 一个 返回值（在这种情况下为output_3）：
my_function_1 <-
function(var1, var2, var3, var4){
output_1 <- var1 + var2
output_2 <- var2 + var3
output_3 <- var1 + var2 + var3
output_4 <- var1 + var2 + var4
return(output_3)
}
我使用
来pmap使用此功能
my_results <-
dplyr::as.tbl(test_data) %>%
dplyr::mutate(output = purrr::pmap(list(var1 = x1, var2 = x2, var3 = x3, var4 = x4),
my_function_1)) %>%
tidyr::unnest()
结果如下：
my_results
# A tibble: 10 x 5
x1 x2 x3 x4 output
<int> <int> <int> <int> <int>
1 1 2 3 6 6
2 2 3 4 9 9
3 3 4 5 12 12
4 4 5 6 15 15
5 5 6 7 18 18
6 6 7 8 21 21
7 7 8 9 24 24
8 8 9 10 27 27
9 9 10 11 30 30
10 10 11 12 33 33
现在，如果我的函数具有 个以上 返回值，例如
my_function_2 <-
function(var1, var2, var3, var4){
output_1 <- var1 + var2
output_2 <- var2 + var3
output_3 <- var1 + var2 + var3
output_4 <- var1 + var2 + var4
return(list(output_1, output_2, output_3, output_4))
}
我应该如何将此my_function_2与purrr::map映射，并将返回列添加到test_data，就像上一步具有一个返回值一样？
我还考虑仅先使用以下代码获得 输出结果 ，然后再将join/bind与test_data一起使用：
pmap(list(test_data$x1,
test_data$x2,
test_data$x3,
test_data$x4),
my_function_2) %>%
flatten()
但是结果不是想要的格式，如下所示：
[[1]]
[1] 3
[[2]]
[1] 5
[[3]]
[1] 6
[[4]]
[1] 9
[[5]]
[1] 5
... ...
有人能提醒我一些可能的解决方案来格式化输出并加入原始的test_data吗？
答案 0 :(得分：2)
更好的选择是在函数中将return值创建为tibble，然后仅应用pmap
library(purrr)
library(dplyr)
my_function_2 <-
function(var1, var2, var3, var4){
output_1 <- var1 + var2
output_2 <- var2 + var3
output_3 <- var1 + var2 + var3
output_4 <- var1 + var2 + var4
tibble::tibble(output_1, output_2, output_3, output_4)
}
pmap_dfr(list(test_data$x1,
test_data$x2,
test_data$x3,
test_data$x4),
my_function_2) %>%
bind_cols(test_data, .)
# A tibble: 10 x 8
# x1 x2 x3 x4 output_1 output_2 output_3 output_4
# <int> <int> <int> <int> <int> <int> <int> <int>
# 1 1 2 3 6 3 5 6 9
# 2 2 3 4 9 5 7 9 14
# 3 3 4 5 12 7 9 12 19
# 4 4 5 6 15 9 11 15 24
# 5 5 6 7 18 11 13 18 29
# 6 6 7 8 21 13 15 21 34
# 7 7 8 9 24 15 17 24 39
# 8 8 9 10 27 17 19 27 44
# 9 9 10 11 30 19 21 30 49
#10 10 11 12 33 21 23 33 54
此外，如果列名与函数的参数匹配，则无需分别调用每一列
pmap_dfr(set_names(test_data, paste0("var", 1:4)), my_function_2) %>%
bind_cols(test_data, .)
答案 1 :(得分：1)
一种选择是从函数返回向量
my_function_2 <- function(var1, var2, var3, var4){
output_1 <- var1 + var2
output_2 <- var2 + var3
output_3 <- var1 + var2 + var3
output_4 <- var1 + var2 + var4
return(c(output_1, output_2, output_3, output_4))
}
然后使用pmap_dfc并绑定到原始数据帧
library(tidyverse)
bind_cols(test_data,
pmap_dfc(list(test_data$x1,
test_data$x2,
test_data$x3,
test_data$x4),
my_function_2) %>% t() %>% data.frame() %>%
set_names(paste0("x", 5:8)))
# A tibble: 10 x 8
# x1 x2 x3 x4 x5 x6 x7 x8
# <int> <int> <int> <int> <int> <int> <int> <int>
# 1 1 2 3 6 3 5 6 9
# 2 2 3 4 9 5 7 9 14
# 3 3 4 5 12 7 9 12 19
# 4 4 5 6 15 9 11 15 24
# 5 5 6 7 18 11 13 18 29
# 6 6 7 8 21 13 15 21 34
# 7 7 8 9 24 15 17 24 39
# 8 8 9 10 27 17 19 27 44
# 9 9 10 11 30 19 21 30 49
#10 10 11 12 33 21 23 33 54
答案 2 :(得分：1)
在您的示例中，计算是矢量化的，因此您不需要pmap，我们可以执行以下操作：
library(tidyverse)
test_data %>%
mutate(!!!setNames(invoke(my_function_2,unname(.)),paste0("output_",1:4)))
# # A tibble: 10 x 8
# x1 x2 x3 x4 output_1 output_2 output_3 output_4
# <int> <int> <int> <int> <int> <int> <int> <int>
# 1 1 2 3 6 3 5 6 9
# 2 2 3 4 9 5 7 9 14
# 3 3 4 5 12 7 9 12 19
# 4 4 5 6 15 9 11 15 24
# 5 5 6 7 18 11 13 18 29
# 6 6 7 8 21 13 15 21 34
# 7 7 8 9 24 15 17 24 39
# 8 8 9 10 27 17 19 27 44
# 9 9 10 11 30 19 21 30 49
# 10 10 11 12 33 21 23 33 54
如果在my_function_2内命名元素（最简单的方法是使用dplyr::lst而不是list，则更简单：
my_function_2 <-
function(var1, var2, var3, var4){
output_1 <- var1 + var2
output_2 <- var2 + var3
output_3 <- var1 + var2 + var3
output_4 <- var1 + var2 + var4
return(lst(output_1, output_2, output_3, output_4))
}
test_data %>%
mutate(!!!invoke(my_function_2,unname(.)))
# # A tibble: 10 x 8
# x1 x2 x3 x4 output_1 output_2 output_3 output_4
# <int> <int> <int> <int> <int> <int> <int> <int>
# 1 1 2 3 6 3 5 6 9
# 2 2 3 4 9 5 7 9 14
# 3 3 4 5 12 7 9 12 19
# 4 4 5 6 15 9 11 15 24
# 5 5 6 7 18 11 13 18 29
# 6 6 7 8 21 13 15 21 34
# 7 7 8 9 24 15 17 24 39
# 8 8 9 10 27 17 19 27 44
# 9 9 10 11 30 19 21 30 49
# 10 10 11 12 33 21 23 33 54
或者如果您需要使用pmap因为您在实际情况下使用了非矢量化操作：
test_data %>%
mutate(!!!pmap_dfr(unname(.),my_function_2))