首页 文章

基于谓词函数（dplyr :: mutate_if）变换数据框的列

提问于
浏览 次
5

我想使用dplyr的 mutate_if() 函数将列表列转换为数据帧列，但是当我尝试这样做时遇到一个令人费解的错误 . 我使用的是dplyr 0.5.0，purrr 0.2.2，R 3.3.0 .

基本设置如下所示：我有一个数据框 d ，其中一些列是列表：

d <- dplyr::data_frame(
  A = list(
    list(list(x = "a", y = 1), list(x = "b", y = 2)),
    list(list(x = "c", y = 3), list(x = "d", y = 4))
  ),
  B = LETTERS[1:2]
)

我想使用以下函数将列的列（在本例中为 d$A ）转换为数据帧列：

tblfy <- function(x) {
  x %>%
    purrr::transpose() %>%
    purrr::simplify_all() %>%
    dplyr::as_data_frame()
}

也就是说，我希望列表列 d$A 被列表 lapply(d$A, tblfy) 替换，这是

[[1]]
#  A tibble: 2 x 2
      x     y
  <chr> <dbl>
1     a     1
2     b     2

[[2]]
# A tibble: 2 x 2
      x     y
  <chr> <dbl>
1     c     3
2     d     4

当然，在这个简单的例子中，我可以做一个简单的重新分配 . 然而，重点是我想以编程方式，理想情况下使用dplyr，以一种通用的方式处理任意数量的列表列 .

这是我绊倒的地方：当我尝试使用以下应用程序将list-columns转换为data-frame-columns时

d %>% dplyr::mutate_if(is.list, funs(tblfy))

我收到一条错误消息，我不知道如何解释：

Error: Each variable must be named.
Problem variables: 1, 2

为什么 mutate_if() 会失败？如何正确应用它以获得所需的结果？

Remark

一位意见提供者指出函数 tblfy() 应该被矢量化 . 这是一个合理的建议 . 但是 - 除非我的矢量化不正确 - 这似乎并没有找到问题的根源 . 插入 tblfy() 的矢量化版本，

tblfy_vec <- Vectorize(tblfy)

进入 mutate_if() 失败并显示错误

Error: wrong result size (4), expected 2 or 1

Update

在获得purrr的一些经验之后，我现在发现以下方法是自然的，如果有点啰嗦：

d %>%
  map_if(is.list, ~ map(., ~ map_df(., identity))) %>%
  as_data_frame()

这与@ alistaire的解决方案或多或少完全相同，但是使用了 map_if() ，resp . map() ，代替 mutate_if() ，resp . Vectorize() .

r dplyr purrr

2 回答

  • 6

    最初的 tblfy 函数错误（即使它的元素是直接链接的），所以让我们重新构建一下，添加矢量化，这样我们就可以避免以前必要的事先 rowwise() 调用：

    tblfy <- Vectorize(function(x){x %>% purrr::map_df(identity) %>% list()})

    现在我们可以很好地使用 mutate_if ：

    d %>% mutate_if(purrr::is_list, tblfy)
## Source: local data frame [2 x 2]
## 
##                A     B
##           <list> <chr>
## 1 <tbl_df [2,2]>     A
## 2 <tbl_df [2,2]>     B

    ......如果我们不知道那里有什么，

    d %>% mutate_if(purrr::is_list, tblfy) %>% tidyr::unnest()
## Source: local data frame [4 x 3]
## 
##       B     x     y
##   <chr> <chr> <dbl>
## 1     A     a     1
## 2     A     b     2
## 3     B     c     3
## 4     B     d     4

    几个笔记：

    • map_df(identity) 似乎比任何替代配方更有效地 Build 一个组合 . 我知道 identity 电话似乎没必要，但大多数其他一切都打破了 .

    • 我不确定 tblfy 会有多广泛，因为它有用's somewhat dependent on the structure of the lists in the list column, which can vary enormously. If you have a lot with a similar structure, I suppose it' .

    • 可能有一种方法可以用 pmap 而不是 Vectorize 来做到这一点，但我不能让它与一些粗略的尝试一起工作 .

    回复于
  • 7

    没有任何复制的就地转换：

    library(data.table)

for (col in d) if (is.list(col)) lapply(col, setDF)

d
#Source: local data frame [2 x 2]
#
#                A B
#1 <S3:data.frame> A
#2 <S3:data.frame> B
    回复于

相关问题