何时使用 map() 函数以及何时使用 summarise_at()/mutate_at()

Question

谁能提供关于何时使用map()（所有map_..() 函数）以及何时使用summarise_at()/mutate_at() 的建议？

例如如果我们正在对向量列进行一些修改，那么我们不需要考虑map() 吗？ 如果我们有一个 df / 有一列有一个列表，那么我们需要使用map()?

map() 函数是否总是需要与nest() 函数一起使用？ 任何人都可以建议一些有关此的学习视频。以及如何将列表放入df并同时对多个列表进行建模，然后将模型结果存储在另一列中？

非常感谢！

Answer 1

{dplyr} 和 {purrr} 的最大区别在于 {dplyr} 仅适用于 data.frames，而 {purrr} 旨在适用于各种列表。 Data.frames 是列表，您也可以使用 {purrr} 对 data.frame 进行迭代。

map_chr(iris, class)
Sepal.Length  Sepal.Width Petal.Length  Petal.Width      Species 
   "numeric"    "numeric"    "numeric"    "numeric"     "factor" 

summarise_at 和 map_at 的行为并不完全相同：summarise_at 只返回您要查找的摘要，map_at 将所有 data.frame 作为列表返回，并在您询问的地方完成修改它：

> library(purrr)
> library(dplyr)
> small_iris <- sample_n(iris, 5)
> map_at(small_iris, c("Sepal.Length", "Sepal.Width"), mean)
$Sepal.Length
[1] 6.58

$Sepal.Width
[1] 3.2

$Petal.Length
[1] 6.7 1.3 5.7 4.3 4.7

$Petal.Width
[1] 2.0 0.4 2.1 1.3 1.5

$Species
[1] virginica  setosa     virginica  versicolor versicolor
Levels: setosa versicolor virginica

> summarise_at(small_iris, c("Sepal.Length", "Sepal.Width"), mean)
  Sepal.Length Sepal.Width
1         6.58         3.2

map_at 总是返回一个列表，mutate_at 总是一个 data.frame ：

> map_at(small_iris, c("Sepal.Length", "Sepal.Width"), ~ .x / 10)
$Sepal.Length
[1] 0.77 0.54 0.67 0.64 0.67

$Sepal.Width
[1] 0.28 0.39 0.33 0.29 0.31

$Petal.Length
[1] 6.7 1.3 5.7 4.3 4.7

$Petal.Width
[1] 2.0 0.4 2.1 1.3 1.5

$Species
[1] virginica  setosa     virginica  versicolor versicolor
Levels: setosa versicolor virginica

> mutate_at(small_iris, c("Sepal.Length", "Sepal.Width"), ~ .x / 10)
  Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
1         0.77        0.28          6.7         2.0  virginica
2         0.54        0.39          1.3         0.4     setosa
3         0.67        0.33          5.7         2.1  virginica
4         0.64        0.29          4.3         1.3 versicolor
5         0.67        0.31          4.7         1.5 versicolor

所以总结一下您的第一个问题，如果您正在考虑在非嵌套 df 上执行“按列”操作并希望得到一个 data.frame，那么您应该选择 {dplyr}。

关于嵌套列，您必须组合来自 {tidyr} 的 group_by()、nest()、mutate() 和 map()。您在这里所做的是创建一个较小版本的数据框，该版本将包含一个列，该列是 data.frames 列表。然后，您将使用map() 来迭代这个新列中的元素。

这是我们心爱的鸢尾花的一个例子：

library(tidyr)

iris_n <- iris %>% 
  group_by(Species) %>% 
  nest()
iris_n
# A tibble: 3 x 2
  Species    data             
  <fct>      <list>           
1 setosa     <tibble [50 × 4]>
2 versicolor <tibble [50 × 4]>
3 virginica  <tibble [50 × 4]>

在这里，新对象是一个 data.frame，其中 data 列是一个较小的 data.frames 列表，一个按物种（我们在 group_by() 中指定的因子）。然后，我们可以通过简单地迭代这个列：

map(iris_n$data, ~ lm(Sepal.Length ~ Sepal.Width, data = .x))
[[1]]

Call:
lm(formula = Sepal.Length ~ Sepal.Width, data = .x)

Coefficients:
(Intercept)  Sepal.Width  
     2.6390       0.6905  


[[2]]

Call:
lm(formula = Sepal.Length ~ Sepal.Width, data = .x)

Coefficients:
(Intercept)  Sepal.Width  
     3.5397       0.8651  


[[3]]

Call:
lm(formula = Sepal.Length ~ Sepal.Width, data = .x)

Coefficients:
(Intercept)  Sepal.Width  
     3.9068       0.9015  

但我们的想法是将所有内容保存在 data.frame 中，因此我们可以使用 mutate 创建一个列来保存 lm 结果的新列表：

iris_n %>%
  mutate(lm = map(data, ~ lm(Sepal.Length ~ Sepal.Width, data = .x)))
# A tibble: 3 x 3
  Species    data              lm      
  <fct>      <list>            <list>  
1 setosa     <tibble [50 × 4]> <S3: lm>
2 versicolor <tibble [50 × 4]> <S3: lm>
3 virginica  <tibble [50 × 4]> <S3: lm>

因此您可以运行多个mutate() 来获取r.squared，例如：

iris_n %>%
  mutate(lm = map(data, ~ lm(Sepal.Length ~ Sepal.Width, data = .x)), 
         lm = map(lm, summary), 
         r_squared = map_dbl(lm, "r.squared")) 
# A tibble: 3 x 4
  Species    data              lm               r_squared
  <fct>      <list>            <list>               <dbl>
1 setosa     <tibble [50 × 4]> <S3: summary.lm>     0.551
2 versicolor <tibble [50 × 4]> <S3: summary.lm>     0.277
3 virginica  <tibble [50 × 4]> <S3: summary.lm>     0.209

但更有效的方法是使用 {purrr} 中的 compose() 来构建一个只执行一次的函数，而不是重复 mutate()。

get_rsquared <- compose(as_mapper("r.squared"), summary, lm)

iris_n %>%
  mutate(lm = map_dbl(data, ~ get_rsquared(Sepal.Length ~ Sepal.Width, data = .x)))
# A tibble: 3 x 3
  Species    data                 lm
  <fct>      <list>            <dbl>
1 setosa     <tibble [50 × 4]> 0.551
2 versicolor <tibble [50 × 4]> 0.277
3 virginica  <tibble [50 × 4]> 0.209

如果您知道您将始终使用Sepal.Length ~ Sepal.Width，您甚至可以使用partial() 预填充lm()：

pr_lm <- partial(lm, formula = Sepal.Length ~ Sepal.Width)
get_rsquared <- compose(as_mapper("r.squared"), summary, pr_lm)

iris_n %>%
  mutate(lm = map_dbl(data, get_rsquared))
# A tibble: 3 x 3
  Species    data                 lm
  <fct>      <list>            <dbl>
1 setosa     <tibble [50 × 4]> 0.551
2 versicolor <tibble [50 × 4]> 0.277
3 virginica  <tibble [50 × 4]> 0.209

关于资源，我在 {purrr} 上写了一系列博文，你可以查看：https://colinfay.me/tags/#purrr

Answer 2

Colin 给出了一个很好的独立答案。由于您要求提供更多关于使用带有 tibbles 的多个模型的资源，我还想添加 R 4 Data Science 的 Many Models 章节，它提供了使用列表列创建、简化和建模的广泛概述。 http://r4ds.had.co.nz/many-models.html