如何在数据帧上按行应用函数以在 r 中生成新的或扩展的数据帧答案

【问题标题】：How should a function be applied by row on a dataframe to generate a new or expanded dataframe in r如何在数据帧上按行应用函数以在 r 中生成新的或扩展的数据帧
【发布时间】：2020-06-18 16:05:26
【问题描述】：

我正在尝试扩展现有数据集，目前看起来像这样：

df <- tibble(
        site = letters[1:3],
        years = rep(4, 3),
        tr = c(3, 6, 4)
)

tr 是每个站点/年份组合的重复总数。我只是想添加复制，然后添加每个复制的响应变量。这对于使用以下函数的单个站点/年份组合来说很容易：

        f <- function(site=NULL, years=NULL, t=NULL){
                df <- tibble(
                        site = rep(site, each = t, times= years),
                        tr = rep(1:t, times = years),
                        year = rep(1:years, each = t)
                        )
                df 
        }

# For one site:
f(site='a',  years=4, t=3)

# Producing this:
# # A tibble: 12 x 3
# site     tr  year
# <chr> <int> <int>
# 1 a         1     1
# 2 a         2     1
# 3 a         3     1
# 4 a         1     2
# 5 a         2     2
# 6 a         3     2
# 7 a         1     3
# 8 a         2     3
# 9 a         3     3
# 10 a         1     4
# 11 a         2     4
# 12 a         3     4

如何将函数应用于输入数据帧的每一行以生成最终数据帧？ base r 中的 apply 函数之一或 purrr 包中的 pmap_df() 似乎很理想，但由于不熟悉这些函数的工作原理，我所有的努力都只产生了错误。

【问题讨论】：

标签： r function tidyverse rowwise

【解决方案1】：

如果我们想应用相同的功能，请使用pmap

library(purrr)
pmap_dfr(df, ~ f(..1, ..2, ..3))
# A tibble: 52 x 3
#   site     tr  year
# * <chr> <int> <int>
# 1 a         1     1
# 2 a         2     1
# 3 a         3     1
# 4 a         1     2
# 5 a         2     2
# 6 a         3     2
# 7 a         1     3
# 8 a         2     3
# 9 a         3     3
#10 a         1     4
# … with 42 more rows

另一个选项是 condense 来自 dplyr 的开发版本

library(tidyr)
df %>%
      group_by(rn = row_number()) %>% 
      condense(out = f(site, years, tr)) %>% 
      unnest(c(out))

或者在base R中，我们也可以使用do.call和Map

do.call(rbind, do.call(Map, c(f, unname(as.data.frame(df)))))

【讨论】：

从来不知道如何使用pmap。看过它，现在很好奇在给定数据帧时它何时会采用向量而不是值。
@Onyambu 您可以传递一个命名的 data.framed 作为函数参数，然后应用 f 即这里的 'tr' 和 't' 不同 pmap_dfr(set_names(df, c('site', 'years', 't')), f)

【解决方案2】：

do.call(rbind, lapply(split(df, df$site), function(x){
    with(x, data.frame(site,
               years = rep(sequence(years), each = tr),
               tr = rep(sequence(tr), years)))
}))

【讨论】：

虽然此代码可能会为问题提供解决方案，但最好添加有关其工作原理/方式的上下文。这可以帮助未来的用户学习并将这些知识应用到他们自己的代码中。在解释代码时，您也可能会以赞成票的形式从用户那里获得积极的反馈。

【解决方案3】：

在基础 R 中，你可以这样做：

do.call(rbind,do.call(Vectorize(f,SIMPLIFY = FALSE),unname(df)))
# A tibble: 52 x 3
   site     tr  year
 * <chr> <int> <int>
 1 a         1     1
 2 a         2     1
 3 a         3     1
 4 a         1     2
 5 a         2     2
 6 a         3     2
 7 a         1     3
 8 a         2     3
 9 a         3     3
10 a         1     4
# ... with 42 more rows

【讨论】：

【解决方案4】：

我们可以使用Map 将f 应用于site、years 和tr 的每个值。

do.call(rbind, Map(f, df$site, df$years, df$tr))

# A tibble: 52 x 3
#   site     tr  year
# * <chr> <int> <int>
# 1 a         1     1
# 2 a         2     1
# 3 a         3     1
# 4 a         1     2
# 5 a         2     2
# 6 a         3     2
# 7 a         1     3
# 8 a         2     3
# 9 a         3     3
#10 a         1     4
# … with 42 more rows

【讨论】：

【解决方案5】：

Akrun 的回答对我来说效果很好，所以我对其进行了修改，以使函数更明确地应用于数据帧的每一行：


        df1 <- pmap_df(df, function(site, years, tr){
            site = rep(site, each = tr, times=years)
            year = rep(1:years, each = tr)
            tr = rep(1:tr, times=years)
          return(tibble(site, year, tr))
          })

【讨论】：