如何使用 purrr 和管道顺序应用函数

Question

我正在为 purrr 包而苦苦挣扎。

我正在尝试将函数 is.factor 应用于数据框，然后将 fct_count 应用于那些是因子的列。

我尝试了modify_if 和summarise_if 的一些变体。我想我在调用前一个对象时错误地使用了点 (.)。

（关于 purrr 的指南，如果您有链接，点将非常有用）。

例如，

df <- data.frame(f1 = c("men", "woman", "men", "men"), 
                 f2 = c("high", "low", "low", "low"), 
                 n1 = c(1, 3, 3, 6))

然后

map(df, is.factor)

如果我使用

map_if(df, is.factor, forcats::fct_count)

我得到了每个变量的结果，而不仅仅是因子。

我认为这是一个很简单的问题，稍微了解点（.）就可以解决。

提前致谢 :)

Answer 1

问题是map_if 也返回未修改的列。因此，当 OP 尝试代码时（重复与 OP 中相同的代码只是为了显示）

map_if(df, is.factor, forcats::fct_count)
#$f1
# A tibble: 2 x 2
#  f         n
#  <fct> <int>
#1 men       3
#2 woman     1

#$f2
# A tibble: 2 x 2
#  f         n
#  <fct> <int>
#1 high      1
#2 low       3

#$n1
#[1] 1 3 3 6  ### it is the same column value unchanged

在这里，我们可以指定.else 和discard NULL 元素。因此，如果我们指定其他列返回NULL，然后使用discard 和NULL 元素，那么这将是一个list 的因子计数。

library(tidyverse)
map_if(df, is.factor, forcats::fct_count, .else = ~ NULL) %>%
       discard(is.null)
#$f1
## A tibble: 2 x 2
#  f         n
#  <fct> <int>
#1 men       3
#2 woman     1

#$f2
# A tibble: 2 x 2
#  f         n
#  <fct> <int>
#1 high      1
#2 low       3

---

或者另一个选项是summarise_if，并将输出放在list中

df %>% 
      summarise_if(is.factor, list(~ list(fct_count(.)))) %>%
      unclass

---

或者另一种选择是将gather 转换为“长”格式，然后count 一次

gather(df, key, val, f1:f2) %>% 
        dplyr::count(key, val)

---

或者这可以通过来自base R 的lapply 来完成

lapply(df[sapply(df, is.factor)], fct_count)

或者只使用base R

lapply(df[sapply(df, is.factor)], table)

或者结果可以用不同的方式表示

table(names(df)[1:2][col(df[1:2])], unlist(df[1:2]))

Answer 2

map_if/modify_if 的问题在于它仅将函数应用于满足谓词函数的列，其余列按原样返回。

因此，当您尝试时

library(tidyverse)  
map_if(df, is.factor, forcats::fct_count)

#$f1
# A tibble: 2 x 2
#  f         n
#  <fct> <int>
#1 men       3
#2 woman     1

#$f2
# A tibble: 2 x 2
#  f         n
#  <fct> <int>
#1 high      1
#2 low       3

#$n1
#[1] 1 3 3 6

fct_count 应用于作为因子的列f1 和f2，并按原样返回列n1。如果您只想在输出中获取因子列，一种方法是先 select 他们然后应用函数

df %>%
  select_if(is.factor) %>%
  map(forcats::fct_count)

#$f1
# A tibble: 2 x 2
#  f         n
#  <fct> <int>
#1 men       3
#2 woman     1

#$f2
# A tibble: 2 x 2
#  f         n
#  <fct> <int>
#1 high      1
#2 low       3