dplyr: custum-Funktion in muate. Verwendet die volle Matrix anstelle von Chunks?

Question

Betrachten Sie dieses Beispiel:

library(dplyr) 
library(magrittr) 

set.seed(123) 
grp_s <- round(runif(4, 1, 10)) 
group <- rep(1:length(grp_s), grp_s) 
dataF <- data.frame(grouping = group, var_a = runif(length(group)), var_b = runif(length(group)), var_c = runif(length(group))) 

compute_it <- function(var_a, var_b){ 
    sum(var_a[var_b > .5], na.rm = TRUE) 
} 

dataF %<>% 
     group_by(grouping) %>% 
     mutate(fix_it = compute_it(var_a, var_b)) 

So weit so gut. Jetzt anstelle von compute_it, die als Argument Spaltennamen nimmt, möchte ich eine Funktion verwenden, die als Argument ein Stück der Daten (ein Stück für jeden Wert von grouping) nimmt.

etwas Liste mit dieser Funktion:

compute_it_2 <- function(Data){ 
    sum(Data$var_a[Data$var_b > .5], na.rm = TRUE) 
} 

wo compute_it oben verwendet wird. Wie geht das?

Answer 1

Sie sich auch tidyr und purrr wir entweder do oder nest zuerst verwenden:

library(tidyverse) 

dataF %>% 
    group_by(grouping) %>% 
    do(fix_it = compute_it_2(.)) %>% 
    unnest() 

Giving:

# A tibble: 4 × 2 
    grouping fix_it 
    <int>  <dbl> 
1  1 2.4065483 
2  2 0.9568333 
3  3 0.0000000 
4  4 1.8274955 

Oder die Verschachtelung Ansatz:

dataF %>% 
    group_by(grouping) %>% 
    nest() %>% 
    mutate(fix_it = map_dbl(data, compute_it_2)) 

# A tibble: 4 × 3 
    grouping    data fix_it 
    <int>   <list>  <dbl> 
1  1 <tibble [4 × 3]> 2.4065483 
2  2 <tibble [8 × 3]> 0.9568333 
3  3 <tibble [5 × 3]> 0.0000000 
4  4 <tibble [9 × 3]> 1.8274955 

Wenn Sie unnest() die zweite Option, die Sie den ursprünglichen Frame zurück: (. S = fix_it())

# A tibble: 26 × 5 
    grouping fix_it  var_a  var_b  var_c 
     <int>  <dbl>  <dbl>  <dbl>  <dbl> 
1   1 2.4065483 0.9404673 0.96302423 0.12753165 
2   1 2.4065483 0.0455565 0.90229905 0.75330786 
3   1 2.4065483 0.5281055 0.69070528 0.89504536 
4   1 2.4065483 0.8924190 0.79546742 0.37446278 
5   2 0.9568333 0.5514350 0.02461368 0.66511519 
6   2 0.9568333 0.4566147 0.47779597 0.09484066 
7   2 0.9568333 0.9568333 0.75845954 0.38396964 
8   2 0.9568333 0.4533342 0.21640794 0.27438364 
9   2 0.9568333 0.6775706 0.31818101 0.81464004 
10  2 0.9568333 0.5726334 0.23162579 0.44851634 
# ... with 16 more rows