在嵌套数据框中变异

Question

我想在组内执行kmeans 并向我的数据中添加关于观察被分配到的集群编号和中心的信息（仍然在组内，因此集群 1 对于组 A 和组 B 不同）。我认为我可以 pluck 集群分配和来自 kmeans 的质心，然后可能将这两者相互连接，最后使用原始数据。要做到前者，我想向具有中心的数据帧添加一个行号，然后按集群数加入。但是如何在嵌套数据框中添加行号？以下代码在最后一个“嵌套”mutate 之前运行良好。

my_data <- data.frame(group = c(sample(c('A', 'B', 'C'), 20, replace = TRUE)), x = runif(100, 0, 10), y = runif(100, 0, 10))
my_data %>% 
  group_by(group) %>% 
  nest() %>% 
  mutate(km_cluster = map(data, ~kmeans(.x, 3) %>% pluck('cluster')),
         km_centers = map(data, ~kmeans(.x, 3) %>% pluck('centers') %>% mutate(cluster = row_number())))

@Luke.sonnet 提供的答案适用于 map，但有趣的是不适用于 map2，见下文：

my_data %>% 
  group_by(group) %>% 
  nest() %>% 
  mutate(number = sample(3:7, 3)) %>% 
  mutate(km_cluster = map2(data, number, ~kmeans(.x, .y) %>% pluck('cluster')), 
     km_centers = map2(data, number, ~kmeans(.x, .y) %>% pluck('centers') %>% as_tibble() %>% mutate(cluster = row_number())))

任何想法如何解决这种情况下的问题？同样重要的是，这种行为的原因是什么？

Answer 1

问题是pluck() 正在返回一个矩阵。首先投射到一个小标题，然后以不同的方式编号。

library(tidyverse)
my_data <- data.frame(group = c(sample(c('A', 'B', 'C'), 20, replace = TRUE)), x = runif(100, 0, 10), y = runif(100, 0, 10))
my_data %>% 
    group_by(group) %>% 
    nest() %>% 
    mutate(number = sample(3:7, 3)) %>% 
    mutate(km_cluster = map2(data, number, ~kmeans(.x, .y) %>% pluck('cluster')), 
           km_centers = map2(data, number, ~kmeans(.x, .y) %>% pluck('centers') %>% as_tibble() %>% mutate(cluster = seq_len(nrow(.)))))

请注意，您也可以使用mutate(cluster = row_number(x))))，这会提供不同的数字（请注意，仅使用row_number() 会使用父df 中的行）。我认为考虑到kmeans，中心矩阵按簇数逐行排序，因此主块中的答案是正确的。