我可以使用 dplyr 管道而不是覆盖 R 中的列表吗？答案

【问题标题】：Can I use a dplyr pipe instead of lapplying over lists in R?我可以使用 dplyr 管道而不是覆盖 R 中的列表吗？
【发布时间】：2022-07-07 00:11:09
【问题描述】：

我想知道我是否可以将 tidyverse 用于迄今为止在 R 中使用列表的任务。我得到了每个地块的物种丰度矩阵，我想用 vegan 包中的 vegdist 计算差异指数。之后我想把它放在长格式中删除自动比较等。举个简单的例子，它就像 dplyr 的魅力：

library(tidyverse)
library(vegan)
df <- data.frame(spec1=sample.int(50,10,replace=T),
             spec2=sample.int(75,10,replace=T),
             spec3=sample.int(10,10,replace=T),
             spec4=sample.int(40,10,replace=T),
             spec5=sample.int(50,10,replace=T),
             spec6=sample.int(5,10,replace=T))

 df%>%
  vegdist() %>%
  as.matrix() %>%
  as_tibble(rownames= "rownames") %>%
  pivot_longer(-rownames) %>%
  filter(rownames < name)

现在我想做同样的事情，但是物种属于不同的类别，每个类别都必须获得自己的距离矩阵，并且只有在它可以放回单个长格式数据框或 tibble 之后。

cat <- data.frame(spec=c("spec1","spec2","spec3","spec4","spec5","spec6"),
                  group=c("a","b","c","b","a","c"))
df%>%
  pivot_longer(cols = everything(),values_to="abundance",names_to="spec")%>%
  left_join(cat, by="spec")

一开始很简单，但在我习惯按列 group 将数据拆分为列表的时候，我正在努力寻找解决方案。我尝试了 group_by + pivot_wider + vegdist 或 group_split 的组合，但不幸的是无法想出一个可行的解决方案。有没有人有建议，或者我应该坚持这种情况的清单？

【问题讨论】：

标签： r list dplyr data-manipulation

【解决方案1】：

我们可以split 'spec' by 'group' 到 list，循环 list 然后 select 基于来自 list 的元素的列并应用 vegdist

library(vegan)
library(purrr)
library(dplyr)
library(tidyr)
out <- map_dfr(split(cat$spec, cat$group), 
   ~  df %>%
         select(all_of(.x)) %>% 
         vegdist() %>% 
         as.matrix %>% 
         as_tibble(rownames = "rownames") %>% 
        pivot_longer(-rownames) %>% 
        filter(rownames < name), .id = 'group')

-输出

> out
# A tibble: 135 × 4
   group rownames name   value
   <chr> <chr>    <chr>  <dbl>
 1 a     1        2     0.268 
 2 a     1        3     0.35  
 3 a     1        4     0.208 
 4 a     1        5     0.0682
 5 a     1        6     0.328 
 6 a     1        7     0.196 
 7 a     1        8     0.189 
 8 a     1        9     0.178 
 9 a     1        10    0.178 
10 a     2        3     0.0822
# … with 125 more rows

【讨论】：