invoke_map 难以找到参数

Question

我正在探索 tidyverse 包。所以我对如何以整洁的方式完成以下任务感兴趣。使用*apply 函数可以轻松绕过该问题。

考虑以下数据

tb <-
  lapply(matrix(c("a", "b", "c")), function(x)
    rep(x, 3)) %>% unlist %>% c(rep(c(1, 2, 3), 6)) %>% matrix(ncol = 3) %>%
  as_tibble(.name_repair = ~ c("tag", "x1", "x2")) %>% type.convert()

# A tibble: 9 x 3
  tag      x1    x2
  <fct> <int> <int>
1 a         1     1
2 a         2     2
3 a         3     3
4 b         1     1
5 b         2     2
6 b         3     3
7 c         1     1
8 c         2     2
9 c         3     3

我使用 nest() 函数对它们进行分组，对于每个组，我想从函数列表中应用不同的函数 f_1, f_2, f_3

f_1 <- function(x)
  x[,1] + x[,2]
f_2 <- function(x)
  x[,1] - x[,2]
f_3 <- function(x)
  x[,1] * x[,2]

tb_func_attached <- 
    tb %>% group_by(tag) %>% nest() %>% mutate(func = c(f_0, f_1, f_2))

    # A tibble: 3 x 3
  tag   data             func  
  <fct> <list>           <list>
1 a     <tibble [3 x 2]> <fn>  
2 b     <tibble [3 x 2]> <fn>  
3 c     <tibble [3 x 2]> <fn> 

我尝试使用 invoke_map 来应用函数

tb_func_attached %>% {invoke_map(.$func, .$data)}
invoke_map(tb_func_attached$func, tb_func_attached$data)

但我得到错误Error in (function (x) : unused arguments (x1 = 1:3, x2 = 1:3)，而下面的代码运行

> tb_func_attached$func[[1]](tb_func_attached$data[[1]])
  x1
1  2
2  4
3  6
> tb_func_attached$func[[2]](tb_func_attached$data[[2]])
  x1
1  0
2  0
3  0
> tb_func_attached$func[[3]](tb_func_attached$data[[3]])
  x1
1  1
2  4
3  9

但是invoke_map还是不行。

所以问题是，给定一个嵌套数据tb_func_attached，如何将函数tb_func_attached$func 'rowwisely' 应用到tb_func_attached$data？

还有一个附带问题，invoke_map 退休的原因是什么？它非常适合 vetorisation 的概念，恕我直言。

更新：

以前的版本处理单列数据（tb 只有标签和x1 列）和@A。 Suliman 的评论提供了一个解决方案。

但是当嵌套tibble中的数据列有矩阵结构时，代码又停止运行了。

Answer 1

使用map2 首先遍历函数列表，然后遍历数据列。像这样：

tb_func_attached %>% 
  mutate(output = map2(func, data, ~ .x(.y))) %>% 
  unnest(data, output)

输出看起来是这样的：

# A tibble: 9 x 4
  tag      x1    x2   x11
  <fct> <int> <int> <int>
1 a         1     1     2
2 a         2     2     4
3 a         3     3     6
4 b         1     1     0
5 b         2     2     0
6 b         3     3     0
7 c         1     1     1
8 c         2     2     4
9 c         3     3     9