如何将关键变量添加到`dplyr::group_map()`？答案

【问题标题】：how to add key variables to `dplyr::group_map()`?如何将关键变量添加到`dplyr::group_map()`？
【发布时间】：2021-11-03 03:52:09
【问题描述】：

我有以下内容，但想将 group_by() 键 Species 添加到生成的 tibble：

MWE

iris %>% 
  group_by(Species) %>% 
  group_map(~ broom::tidy(lm(Sepal.Length ~ Sepal.Width, data = .x))) %>% 
  bind_rows()

输出

# How do I add the grouping key `Species` to this?

  term        estimate std.error statistic  p.value
  <chr>          <dbl>     <dbl>     <dbl>    <dbl>
1 (Intercept)    2.64     0.310       8.51 3.74e-11
2 Sepal.Width    0.690    0.0899      7.68 6.71e-10
3 (Intercept)    3.54     0.563       6.29 9.07e- 8
4 Sepal.Width    0.865    0.202       4.28 8.77e- 5
5 (Intercept)    3.91     0.757       5.16 4.66e- 6
6 Sepal.Width    0.902    0.253       3.56 8.43e- 4

【问题讨论】：

标签： r dplyr split-apply-combine

【解决方案1】：

我们可以在summarise 中执行此操作，返回list 列和unnest 输出

library(dplyr)
library(tidyr)
iris %>%
    group_by(Species) %>%
    summarise(out = list(broom::tidy(lm(Sepal.Length ~ Sepal.Width, 
           data = cur_data())))) %>% 
    unnest(out)

-输出

# A tibble: 6 x 6
  Species    term        estimate std.error statistic  p.value
  <fct>      <chr>          <dbl>     <dbl>     <dbl>    <dbl>
1 setosa     (Intercept)    2.64     0.310       8.51 3.74e-11
2 setosa     Sepal.Width    0.690    0.0899      7.68 6.71e-10
3 versicolor (Intercept)    3.54     0.563       6.29 9.07e- 8
4 versicolor Sepal.Width    0.865    0.202       4.28 8.77e- 5
5 virginica  (Intercept)    3.91     0.757       5.16 4.66e- 6
6 virginica  Sepal.Width    0.902    0.253       3.56 8.43e- 4

在group_map 中，根据文档，.y 是键，我们可以将其添加为列

iris %>% 
  group_by(Species) %>% 
  group_map(~ broom::tidy(lm(Sepal.Length ~ Sepal.Width, data = .x)) %>% 
           mutate(Species = .y$Species, .before = 1)) %>% 
  bind_rows()

-输出

# A tibble: 6 x 6
  Species    term        estimate std.error statistic  p.value
  <fct>      <chr>          <dbl>     <dbl>     <dbl>    <dbl>
1 setosa     (Intercept)    2.64     0.310       8.51 3.74e-11
2 setosa     Sepal.Width    0.690    0.0899      7.68 6.71e-10
3 versicolor (Intercept)    3.54     0.563       6.29 9.07e- 8
4 versicolor Sepal.Width    0.865    0.202       4.28 8.77e- 5
5 virginica  (Intercept)    3.91     0.757       5.16 4.66e- 6
6 virginica  Sepal.Width    0.902    0.253       3.56 8.43e- 4

【讨论】：

【解决方案2】：

您可以使用group_modify() 代替group_map()。

library(purrr)
library(dplyr)

iris %>% 
   group_by(Species) %>% 
   group_modify(~ broom::tidy(lm(Sepal.Length ~ Sepal.Width, data = .x)))

# A tibble: 6 x 6
# Groups:   Species [3]
  Species    term        estimate std.error statistic  p.value
  <fct>      <chr>          <dbl>     <dbl>     <dbl>    <dbl>
1 setosa     (Intercept)    2.64     0.310       8.51 3.74e-11
2 setosa     Sepal.Width    0.690    0.0899      7.68 6.71e-10
3 versicolor (Intercept)    3.54     0.563       6.29 9.07e- 8
4 versicolor Sepal.Width    0.865    0.202       4.28 8.77e- 5
5 virginica  (Intercept)    3.91     0.757       5.16 4.66e- 6
6 virginica  Sepal.Width    0.902    0.253       3.56 8.43e- 4

【讨论】：

【解决方案3】：

使用split + map_df -

library(dplyr)
library(purrr)

iris %>% 
  split(.$Species) %>% 
  map_df(~ broom::tidy(lm(Sepal.Length ~ Sepal.Width, data=.x)),.id = 'Species')

#  Species    term        estimate std.error statistic  p.value
#  <chr>      <chr>          <dbl>     <dbl>     <dbl>    <dbl>
#1 setosa     (Intercept)    2.64     0.310       8.51 3.74e-11
#2 setosa     Sepal.Width    0.690    0.0899      7.68 6.71e-10
#3 versicolor (Intercept)    3.54     0.563       6.29 9.07e- 8
#4 versicolor Sepal.Width    0.865    0.202       4.28 8.77e- 5
#5 virginica  (Intercept)    3.91     0.757       5.16 4.66e- 6
#6 virginica  Sepal.Width    0.902    0.253       3.56 8.43e- 4

【讨论】：