引用 dplyr cross() 中的列名答案

【问题标题】：Refering to column names inside dplyr's across()引用 dplyr cross() 中的列名
【发布时间】：2020-09-21 03:43:09
【问题描述】：

是否可以在 across() 内的 lambda 函数中引用列 names？

df <- tibble(age = c(12, 45), sex = c('f', 'f'))
allowed_values <- list(age = 18:100, sex = c("f", "m"))

df %>%
  mutate(across(c(age, sex),
                c(valid = ~ .x %in% allowed_values[[COLNAME]])))

我刚刚遇到this question，其中 OP 询问基于允许值列表验证数据框中的列。

dplyr 刚刚获得了across()，这似乎是一个自然的选择，但我们需要列名来查找允许的值。

The best I could come up with 是对imap_dfr 的调用，但是集成到分析管道中比较麻烦，因为需要将结果与原始数据帧重新组合。

【问题讨论】：

标签： r dplyr tidyverse

【解决方案1】：

我认为此时您可能对across 提出了太多要求（但这可能会刺激进一步的开发，因此也许有一天它会按照您的建议方式工作）。

我认为 purrr 包中的 imap 函数现在可能会给你你想要的：

> df <- tibble(age = c(12, 45), sex = c('f', 'f'))
> allowed_values <- list(age = 18:100, sex = c("f", "m"))
> 
> df %>% imap( ~ .x %in% allowed_values[[.y]])
$age
[1] FALSE  TRUE

$sex
[1] TRUE TRUE

> df %>% imap_dfc( ~ .x %in% allowed_values[[.y]])
# A tibble: 2 x 2
  age   sex  
  <lgl> <lgl>
1 FALSE TRUE 
2 TRUE  TRUE

如果您想要一个具有组合有效性的列，那么您可以通过reduce 传递结果：

> df %>% imap( ~ .x %in% allowed_values[[.y]]) %>%
+   reduce(`&`)
[1] FALSE  TRUE

然后可以将其作为新列添加到原始数据中，或者仅用于对数据进行子集化。我对 tidyverse 还不够熟练，还不知道这是否可以与 mutate 结合使用以直接添加列。

【讨论】：

【解决方案2】：

答案是肯定的，可以参考dplyr的across中的列名。您需要使用cur_column()。你原来的答案是如此接近！将cur_column() 插入到您想要列名的解决方案中：

library(tidyverse)

df <- tibble(age = c(12, 45), sex = c('f', 'f'))
allowed_values <- list(age = 18:100, sex = c("f", "m"))

df %>%
  mutate(across(c(age, sex),
                c(valid = ~ .x %in% allowed_values[[cur_column()]])
                )
         )

参考：https://dplyr.tidyverse.org/articles/colwise.html#current-column

【讨论】：