如何使用申请需要“data$varname”的函数与只需要“varname”的函数

Question

这里相对较新的 R 用户一直在努力提高代码的未来使用效率，主要是尝试应用系列中的功能。

现在，我有一个脚本，通过（手动）创建变量名称列表并将其传递给 sapply，我从大量变量中提取方法。

所以这是我如何制作变量名列表以及如何将其传递给 sapply 的示例

vars <- c("data$age", "data$gender", "data$PCLR")
means <- sapply(vars, fmean, data$group, na.rm=TRUE)

但是，我现在想使用一个使用 function(varname, data) 的参数格式的函数，所以我实际上不能使用我创建的名称列表。我正在尝试做的事情：

krusk <- sapply(vars, function(x) kruskal.test(x ~ group, data))

我觉得有一种方法可以将我的变量名传递给我完全忽略的函数，而不是手动创建列表。有人有什么建议吗？

Answer 1

这可以使用 iris 数据集作为 data 工作，类似于 @deschen 的好建议：

#Vars
vars <- c("Sepal.Length", "Sepal.Width")
#Code
krusk <- sapply(vars, function(x) kruskal.test(iris[[x]] ~ iris[['Species']]))

输出：

krusk
          Sepal.Length                     Sepal.Width                     
statistic 96.93744                         63.57115                        
parameter 2                                2                               
p.value   8.918734e-22                     1.569282e-14                    
method    "Kruskal-Wallis rank sum test"   "Kruskal-Wallis rank sum test"  
data.name "iris[[x]] by iris[["Species"]]" "iris[[x]] by iris[["Species"]]"

Answer 2

你很亲密！您可以通过使用vars 向量将您输入的数据框子集到sapply 并更改kruskal.test 中的公式来实现：

vars <- c("Sepal.Length", "Sepal.Width")
sapply(iris[, vars], function(x) kruskal.test(x ~ iris$Species))

Answer 3

R 是一种非常多样化的编码语言，最终会有很多方法来做同样的事情。有些函数需要更标准的评估，而其他函数可能使用 NSE（非标准评估）。

但是，您似乎在询问只期望单个向量作为估算的函数，而不是具有 data 参数的函数，其中您使用 variable 而不是 data$variable。

在给出一些建议之前，我有几个侧边栏

边栏 1 - S3 方法

虽然这可能不是问题的重点，但函数kruskal.test 有两种方法。

methods("kruskal.test")
#[1] kruskal.test.default* kruskal.test.formula*
#see '?methods' for accessing help and source code

使用哪种方法取决于函数中第一个参数的类。在此示例中，您传递了一个公式表达式，其中 data 参数是必需的，而默认方法只需要 x 和 g 参数（您可能会使用原始管道）。

因此，如果您习惯于以一种方式做某事，请务必检查函数的文档是否有适合您的不同调度方法。

边栏 2 - 数据框

数据框实际上只是向量的集合。 f(data$variable) 和 f(x = variable, data = data) 之间的区别在于，第一个用户明确告诉 R 在哪里找到向量，而在后者中，函数 f 在上下文中评估 x data。 我提出这个是因为我在开始时所说的——有很多方法可以做同样的事情。因此，通常取决于您希望自己的标准是什么。

如果你更喜欢直白

vars <- c("data$age", "data$gender", "data$PCLR")
means <- sapply(vars, fmean, data$group, na.rm=TRUE)
krusk <- sapply(vars, kruskal.test, g = data$group)

或者你可以编写你的函数，期望它们在某个data.frame对象中被评估

vars <- c("age", "gender", "PCLR")
means <- sapply(vars, function(x, id, data) fmean(data[[x]], id = data[[id]], na.rm=T), id = "group", data = data)
krusk <- sapply(vars, function(x, id, data) kruskal.test(data[[x]], data[[id]]), id = "group", data = data)

我的建议

我建议查看以下软件包 dplyr、tidyr、purrr。我敢肯定，这些软件包中的某些东西会让您的生活更轻松。

例如，您曾表示必须在执行sapply 之前手动制作列表。在dplyr 包中，如果有过滤条件，您可以规避此问题。

data %>%
    group_by(group) %>% #groups data
    summarise_if(is.numeric, mean, na.rm = TRUE) #applys mean to every column that is a numeric vector

同样，如果我们稍微重塑数据，我们可以总结kurskal.test 函数的结果。

data %>% 
     group_by(group) %>% #grouping to retain column in the next select statement
     select_if(is.numeric) %>% # selecting all numeric columns
     pivot_longer(cols = -group) %>% # all columns except "group" will be reshaped. Column names are stored in `name`, and values are stored in `values`
     group_by(name) %>% #regroup on name variable (old numeric columns)
     summarise(krusk = list(kruskal.test(value ~ as.factor(group)))) #perform test

我只提到了purrr，因为您几乎可以将所有apply 样式函数替换为map 变体。 purrr 在其函数变体中非常一致，有很多选项来控制输出类型。

我希望这对您有所帮助，并祝您在编码冒险中好运。