使自定义函数在 dplyr mutate 中应用 rowise答案

【问题标题】：Making a custom function apply rowise in dplyr mutate使自定义函数在 dplyr mutate 中应用 rowise
【发布时间】：2019-07-16 17:28:59
【问题描述】：

我有一个自定义布尔函数来检查一个字符串（我的实际函数比下面提供的要多，这只是作为说明性示例提供的）。

如果我将第一个版本与 dplyr::mutate() 一起使用，它只会应用于第一个值，然后将所有行设置为该答案。

我可以将函数包装在 purr::map() 中，但是在较大的数据集上这似乎很慢。它似乎也不是 mutate 正常工作的方式。

library(tidyverse)

valid_string <- function(string) {
  # Check the length
  if (stringr::str_length(string) != 10) {
    return(FALSE)
  }
  return(TRUE)
}

# Create a tibble to test on
test_tib <- tibble::tibble(string = c("1504915593", "1504915594", "9999999999", "123"),
                           known_valid = c(TRUE, TRUE, TRUE, FALSE))

# Apply the function
test_tib <- dplyr::mutate(test_tib, check_valid = valid_string(string))
test_tib

valid_string2 <- function(string) {
  purrr::map_lgl(string, function(string) {
    # Check the length
    if (stringr::str_length(string) != 10) {
      return(FALSE)
    }
    return(TRUE)
  })
}

# Apply the function
test_tib <- dplyr::mutate(test_tib, check_valid2 = valid_string2(string))
test_tib

【问题讨论】：

标签： r function dplyr tidyverse

【解决方案1】：

我建议你将你的函数重写为vectorized 函数，如下所示：

valid_string <- function(string) {
  # Check the length
  ifelse(stringr::str_length(string) != 10, FALSE, TRUE)
}

另一个选项是 base 中的 Vectorize 函数，它的工作原理如下：

valid_string2 <- function(string) {
  # Check the length
  if(stringr::str_length(string) != 10) {
    return(FALSE)
  }
  return(TRUE)
}
valid_string2 <- Vectorize(valid_string2)

两者都工作得很好，但是我建议使用ifelse 的解决方案。

# Create a tibble to test on
test_tib <- tibble::tibble(string = c("1504915593", "1504915594", "9999999999", "123"),
                           known_valid = c(TRUE, TRUE, TRUE, FALSE))

# Apply the function
test_tib <- dplyr::mutate(test_tib, check_valid = valid_string(string))
test_tib <- dplyr::mutate(test_tib, check_valid2 = valid_string2(string))
test_tib


  string     known_valid check_valid check_valid2
  <chr>      <lgl>       <lgl>       <lgl>       
1 1504915593 TRUE        TRUE        TRUE        
2 1504915594 TRUE        TRUE        TRUE        
3 9999999999 TRUE        TRUE        TRUE        
4 123        FALSE       FALSE       FALSE

【讨论】：

谢谢，Vectorize 似乎可以工作，只是运行一些测试看看使用 purr::map、sapply 或 Vectorize 之间的速度是否有任何不同。我不认为我可以使用 ifelse 或 dplyr::if_else 因为我的实际功能比提供的要复杂得多。
好的，请告诉我们。如果一切都按预期工作，接受答案会很好:-)
速度似乎在 3 种方法之间相当，但我认为 Vectorized 是最干净的并且最大限度地减少依赖关系......通过分析和微基准测试，我设法将速度提高了 20 倍......我可能应该这样做首先！

【解决方案2】：

这是你要找的吗？

test_tib <- dplyr::mutate(test_tib, checkval = ifelse(nchar(string)!=10,FALSE,TRUE))

【讨论】：

不，抱歉，正如我在问题中所说，实际功能比上面提供的要复杂得多。但本质上它接受一个字符串并返回一个 TRUE 或 FALSE。