如何使用 purrr 更好地重构 R 中的以下代码

Question

我的函数parse_columns 有四个参数：

1. 一个data.frame\tibble：df
2. 代表 tibble 中列子集的字符向量：vars
3. 一个模式：pattern
4. 要在同一个 tibble 中创建的新输出列的名称：out_name

它计算输入 tibble (df) 中参数 2 (vars) 中参数 3 (pattern) 的实例，并在 tibble 中创建一个新列 (out_name)。

功能：

library(dplyr)
library(stringr)

parse_columns <- function(df, vars, pattern, out_name){
  df <- df %>% 
    rowwise() %>% 
    mutate(x = sum(across(all_of(vars), .fns = ~ as.numeric(str_detect(., pattern))
                          )
                   )
           )
  names(df)[names(df) == "x"] <- out_name
  return(df)  
}

我在（至少）四次调用该函数：

tidy <- parse_columns(tidy, additional_vars, "w", "available_w")
tidy <- parse_columns(tidy, additional_vars, "x", "available_x")
tidy <- parse_columns(tidy, additional_vars, "y", "available_y")
tidy <- parse_columns(tidy, additional_vars, "z", "available_z")

我的问题是，我如何使用purrr（也许使用purrr:pmap()）重构以上4行代码？

编辑 #1： 感谢@NelsonGon 对使用 map2() 的评论。

我尝试了以下方法：

library(stringi)
arg1 <- c("w", "x", "y", "z")
arg2 <- "available_" %s+% arg1
tidy %>% map2(arg1, arg2, .f = parse_columns(.,
                                             vars = additional_vars,
                                             pattern = arg1,
                                             out_name = arg2
                                             )

但是得到这个错误（在函数中）：

Error: Can't convert a `rowwise_df/tbl_df/tbl/data.frame` object to function
Run `rlang::last_error()` to see where the error occurred.
In addition: Warning message:
In names(df)[names(df) == "x"] <- out_name :
  number of items to replace is not a multiple of replacement length

编辑#2： @RonakShah，整洁的 df 包含 PII，但要点是将 pattern 的所有实例与选定的 vars （按行）相加，输出与 out_name 相同的小标题作为新变量。所以使用以下内容：

tidy <- tibble(
  a = str_to_lower(LETTERS),
  b = str_to_lower(LETTERS),
  c = str_to_lower(LETTERS),
  d = rnorm(26)
)
additional_vars <- c("a", "b", "c")

tidy <- parse_columns(tidy, additional_vars, "w", "available_w")
tidy <- parse_columns(tidy, additional_vars, "x", "available_x")
tidy <- parse_columns(tidy, additional_vars, "y", "available_y")
tidy <- parse_columns(tidy, additional_vars, "z", "available_z")

print(tail(tidy))

# A tibble: 6 x 8
# Rowwise: 
  a     b     c          d available_w available_x available_y available_z
  <chr> <chr> <chr>  <dbl>       <dbl>       <dbl>       <dbl>       <dbl>
1 u     u     u      0.692           0           0           0           0
2 v     v     v      1.05            0           0           0           0
3 w     w     w      0.544           3           0           0           0
4 x     x     x     -1.93            0           3           0           0
5 y     y     y      0.943           0           0           3           0
6 z     z     z      0.992           0           0           0           3

Answer 1

你可以试试这个-

library(dplyr)
library(purrr)

parse_columns <- function(df, vars, pattern, out_name){
  df %>% transmute(!!out_name := rowSums(across(all_of(vars), 
                                 .fns = ~ str_detect(., pattern))))
}
cols <- c("w", "x", "y", "z")
result_cols <- paste("available", cols, sep = "_")

tidy %>%
  bind_cols(map2_dfc(cols, result_cols, 
            ~parse_columns(tidy, additional_vars, .x, .y)))

# A tibble: 26 x 8
#   a     b     c           d available_w available_x available_y available_z
#   <chr> <chr> <chr>   <dbl>       <dbl>       <dbl>       <dbl>       <dbl>
# 1 a     a     a      0.0538           0           0           0           0
# 2 b     b     b      1.61             0           0           0           0
# 3 c     c     c     -0.0172           0           0           0           0
# 4 d     d     d     -0.543            0           0           0           0
# 5 e     e     e      1.98             0           0           0           0
# 6 f     f     f     -1.37             0           0           0           0
# 7 g     g     g      0.425            0           0           0           0
# 8 h     h     h     -0.976            0           0           0           0
# 9 i     i     i      1.19             0           0           0           0
#10 j     j     j      0.441            0           0           0           0
# … with 16 more rows