后续：泛化一个data.frame子集函数答案

【问题标题】：Follow-up: Generalizing a data.frame subsetting function后续：泛化一个data.frame子集函数
【发布时间】：2021-10-04 15:20:30
【问题描述】：

我正在跟进this great answer。在that answer 中，foo 函数帮助用户了解其他两个选定列（group&outcome）中的哪个唯一study 值是常量或变化。在这种情况下，可能有 4 种情况 (2^2)：

group 不变，但 outcome 变化。
outcome 不变，但 group 变化。
outcome 和 group 都不同。
outcome 和 group 两者都没有变化。

下面的函数 foo2 用于为 study 提取满足上述 4 种可能性的行。

在这个后续中，我想知道我们是否可以通过添加一个... 参数来扩展foo2 函数，以便用户可以输入一个或多个var_col（例如，var1_col、var2_col、...），然后函数会提取可能的情况（number of variable^2 情况）？

例如，在我下面的数据中，我有 4 选定的列 (sample,group,outcome,control)，因此 8 可能存在的情况可以通过以下方式从该数据中提取一个新功能。

我知道如果用户添加多个变量，number of variable^2 会迅速增加，因此我想将 foo2 函数扩展到更多变量。

h = "
   case sample group outcome control
1     1      1     1       1       1
2     1      2     1       1       1
3     1      1     2       1       1
4     1      2     2       1       1
5     1      1     1       2       1
6     1      2     1       2       1
7     1      1     2       2       1
8     1      2     2       2       1
9     2      1     1       1       1
10    2      1     2       1       1
11    2      1     1       2       1
12    2      1     2       2       1
13    3      1     1       1       1
14    3      2     1       1       1
15    3      1     1       2       1
16    3      2     1       2       1
17    4      1     1       1       1
18    4      2     1       1       1
19    4      1     2       1       1
20    4      2     2       1       1
21    5      1     1       1       1
22    5      1     2       1       1
23    6      1     1       1       1
24    6      1     2       1       1
25    7      1     1       1       1
26    7      2     1       1       1
27    8      1     1       1       1
28    9      1     1       1       1
29    9      2     1       1       1
30    9      1     2       1       1
31    9      2     2       1       1
32    9      1     1       2       1
33    9      2     1       2       1
34    9      1     2       2       1
35    9      2     2       2       1
36    9      1     1       1       2
37    9      2     1       1       2
38    9      1     2       1       2
39    9      2     2       1       2
40    9      1     1       2       2
41    9      2     1       2       2
42    9      1     2       2       2
43    9      2     2       2       2
44   10      1     1       1       1
45   10      1     2       1       1
46   10      1     1       2       1
47   10      1     2       2       1
48   10      1     1       1       2
49   10      1     2       1       2
50   10      1     1       2       2
51   10      1     2       2       2
52   11      1     1       1       1
53   11      2     1       1       1
54   11      1     1       2       1
55   11      2     1       2       1
56   11      1     1       1       2
57   11      2     1       1       2
58   11      1     1       2       2
59   11      2     1       2       2
60   12      1     1       1       1
61   12      2     1       1       1
62   12      1     2       1       1
63   12      2     2       1       1
64   12      1     1       1       2
65   12      2     1       1       2
66   12      1     2       1       2
67   12      2     2       1       2
68   13      1     1       1       1
69   13      1     2       1       1
70   13      1     1       1       2
71   13      1     2       1       2
72   14      1     1       1       1
73   14      1     2       1       1
74   14      1     1       1       2
75   14      1     2       1       2
76   15      1     1       1       1
77   15      2     1       1       1
78   15      1     1       1       2
79   15      2     1       1       2
80   16      1     1       1       1
81   16      1     1       1       2"
h = read.table(text=h,h=T)

foo2 <- function(dat, study_col, group_col, outcome_col) {

    dat %>%
           dplyr::select({{study_col}}, {{group_col}}, {{outcome_col}}) %>%
           dplyr::group_by({{study_col}}) %>%
          dplyr::mutate(grp = stringr::str_c(n_distinct({{group_col}}) == 1, 
              n_distinct({{outcome_col}}) == 1 ))   %>%
           dplyr::ungroup(.) %>%
           dplyr::group_split(grp, .keep = FALSE) }

【问题讨论】：

标签： r dataframe function dplyr tidyverse

【解决方案1】：

如果我们想在末尾添加3个点，将其捕获为ensyms中的符号，然后将其转换为字符串（as_string），通过循环across这些列进行唯一的更改，创建一个逻辑条件使用n_distinct 并使用reduce 粘贴（str_c），同时粘贴其他列（也可以在单个across 中简化），然后在最后的“grp”列上使用group_split

foo2 <- function(dat, study_col, group_col, outcome_col, ...) {
   
    dot_cols <- ensyms(...)
    str_cols <- purrr::map_chr(dot_cols, rlang::as_string)

    dat %>%
           dplyr::select({{study_col}}, {{group_col}}, {{outcome_col}}, !!! dot_cols) %>%
            dplyr::group_by({{study_col}}) %>%
            dplyr::mutate(grp = across(all_of(str_cols), ~ n_distinct(.) == 1) %>%
                   purrr::reduce(stringr::str_c, collapse=""),
                          grp =  stringr::str_c(n_distinct({{group_col}}) == 1, 
                n_distinct({{outcome_col}}) == 1, grp)) %>%
                dplyr::ungroup(.) %>%
                 dplyr::group_split(grp, .keep = FALSE)
           
            }

-测试

> out <- foo2(h, case, group, outcome, sample, control)
> out
<list_of<
  tbl_df<
    case   : integer
    group  : integer
    outcome: integer
    sample : integer
    control: integer
  >
>[14]>
[[1]]
# A tibble: 16 x 5
    case group outcome sample control
   <int> <int>   <int>  <int>   <int>
 1     9     1       1      1       1
 2     9     1       1      2       1
 3     9     2       1      1       1
 4     9     2       1      2       1
 5     9     1       2      1       1
 6     9     1       2      2       1
 7     9     2       2      1       1
 8     9     2       2      2       1
 9     9     1       1      1       2
10     9     1       1      2       2
11     9     2       1      1       2
12     9     2       1      2       2
13     9     1       2      1       2
14     9     1       2      2       2
15     9     2       2      1       2
16     9     2       2      2       2

[[2]]
# A tibble: 8 x 5
   case group outcome sample control
  <int> <int>   <int>  <int>   <int>
1     1     1       1      1       1
2     1     1       1      2       1
3     1     2       1      1       1
4     1     2       1      2       1
5     1     1       2      1       1
6     1     1       2      2       1
7     1     2       2      1       1
8     1     2       2      2       1

[[3]]
# A tibble: 8 x 5
   case group outcome sample control
  <int> <int>   <int>  <int>   <int>
1    10     1       1      1       1
2    10     2       1      1       1
3    10     1       2      1       1
4    10     2       2      1       1
5    10     1       1      1       2
6    10     2       1      1       2
7    10     1       2      1       2
8    10     2       2      1       2

[[4]]
# A tibble: 4 x 5
   case group outcome sample control
  <int> <int>   <int>  <int>   <int>
1     2     1       1      1       1
2     2     2       1      1       1
3     2     1       2      1       1
4     2     2       2      1       1

[[5]]
# A tibble: 8 x 5
   case group outcome sample control
  <int> <int>   <int>  <int>   <int>
1    12     1       1      1       1
2    12     1       1      2       1
3    12     2       1      1       1
4    12     2       1      2       1
5    12     1       1      1       2
6    12     1       1      2       2
7    12     2       1      1       2
8    12     2       1      2       2

[[6]]
# A tibble: 4 x 5
   case group outcome sample control
  <int> <int>   <int>  <int>   <int>
1     4     1       1      1       1
2     4     1       1      2       1
3     4     2       1      1       1
4     4     2       1      2       1

[[7]]
# A tibble: 8 x 5
   case group outcome sample control
  <int> <int>   <int>  <int>   <int>
1    13     1       1      1       1
2    13     2       1      1       1
3    13     1       1      1       2
4    13     2       1      1       2
5    14     1       1      1       1
6    14     2       1      1       1
7    14     1       1      1       2
8    14     2       1      1       2

[[8]]
# A tibble: 4 x 5
   case group outcome sample control
  <int> <int>   <int>  <int>   <int>
1     5     1       1      1       1
2     5     2       1      1       1
3     6     1       1      1       1
4     6     2       1      1       1

[[9]]
# A tibble: 8 x 5
   case group outcome sample control
  <int> <int>   <int>  <int>   <int>
1    11     1       1      1       1
2    11     1       1      2       1
3    11     1       2      1       1
4    11     1       2      2       1
5    11     1       1      1       2
6    11     1       1      2       2
7    11     1       2      1       2
8    11     1       2      2       2

[[10]]
# A tibble: 4 x 5
   case group outcome sample control
  <int> <int>   <int>  <int>   <int>
1     3     1       1      1       1
2     3     1       1      2       1
3     3     1       2      1       1
4     3     1       2      2       1

[[11]]
# A tibble: 4 x 5
   case group outcome sample control
  <int> <int>   <int>  <int>   <int>
1    15     1       1      1       1
2    15     1       1      2       1
3    15     1       1      1       2
4    15     1       1      2       2

[[12]]
# A tibble: 2 x 5
   case group outcome sample control
  <int> <int>   <int>  <int>   <int>
1     7     1       1      1       1
2     7     1       1      2       1

[[13]]
# A tibble: 2 x 5
   case group outcome sample control
  <int> <int>   <int>  <int>   <int>
1    16     1       1      1       1
2    16     1       1      1       2

[[14]]
# A tibble: 1 x 5
   case group outcome sample control
  <int> <int>   <int>  <int>   <int>
1     8     1       1      1       1

测试总行数

> sum(map_dbl(out, nrow))
[1] 81
> nrow(h)
[1] 81

如果我们想删除一些参数

foo2 <- function(dat, study_col, ...) {
   
    dot_cols <- ensyms(...)
    str_cols <- purrr::map_chr(dot_cols, rlang::as_string)

    dat %>%
           dplyr::select({{study_col}}, !!! dot_cols) %>%
            dplyr::group_by({{study_col}}) %>%
            dplyr::mutate(grp = across(all_of(str_cols), ~ n_distinct(.) == 1) %>%
                   purrr::reduce(stringr::str_c, collapse="")) %>%
                dplyr::ungroup(.) %>%
                 dplyr::group_split(grp, .keep = FALSE)
           
            }

-测试

>  foo2(h, case, group, outcome, sample, control)
<list_of<
  tbl_df<
    case   : integer
    group  : integer
    outcome: integer
    sample : integer
    control: integer
  >
>[14]>
[[1]]
# A tibble: 16 x 5
    case group outcome sample control
   <int> <int>   <int>  <int>   <int>
 1     9     1       1      1       1
 2     9     1       1      2       1
 3     9     2       1      1       1
 4     9     2       1      2       1
 5     9     1       2      1       1
 6     9     1       2      2       1
 7     9     2       2      1       1
 8     9     2       2      2       1
 9     9     1       1      1       2
10     9     1       1      2       2
11     9     2       1      1       2
12     9     2       1      2       2
13     9     1       2      1       2
14     9     1       2      2       2
15     9     2       2      1       2
16     9     2       2      2       2

[[2]]
# A tibble: 8 x 5
   case group outcome sample control
  <int> <int>   <int>  <int>   <int>
1     1     1       1      1       1
2     1     1       1      2       1
3     1     2       1      1       1
4     1     2       1      2       1
5     1     1       2      1       1
6     1     1       2      2       1
7     1     2       2      1       1
8     1     2       2      2       1

[[3]]
# A tibble: 8 x 5
   case group outcome sample control
  <int> <int>   <int>  <int>   <int>
1    10     1       1      1       1
2    10     2       1      1       1
3    10     1       2      1       1
4    10     2       2      1       1
5    10     1       1      1       2
6    10     2       1      1       2
7    10     1       2      1       2
8    10     2       2      1       2

[[4]]
# A tibble: 4 x 5
   case group outcome sample control
  <int> <int>   <int>  <int>   <int>
1     2     1       1      1       1
2     2     2       1      1       1
3     2     1       2      1       1
4     2     2       2      1       1

[[5]]
# A tibble: 8 x 5
   case group outcome sample control
  <int> <int>   <int>  <int>   <int>
1    12     1       1      1       1
2    12     1       1      2       1
3    12     2       1      1       1
4    12     2       1      2       1
5    12     1       1      1       2
6    12     1       1      2       2
7    12     2       1      1       2
8    12     2       1      2       2

[[6]]
# A tibble: 4 x 5
   case group outcome sample control
  <int> <int>   <int>  <int>   <int>
1     4     1       1      1       1
2     4     1       1      2       1
3     4     2       1      1       1
4     4     2       1      2       1

[[7]]
# A tibble: 8 x 5
   case group outcome sample control
  <int> <int>   <int>  <int>   <int>
1    13     1       1      1       1
2    13     2       1      1       1
3    13     1       1      1       2
4    13     2       1      1       2
5    14     1       1      1       1
6    14     2       1      1       1
7    14     1       1      1       2
8    14     2       1      1       2

[[8]]
# A tibble: 4 x 5
   case group outcome sample control
  <int> <int>   <int>  <int>   <int>
1     5     1       1      1       1
2     5     2       1      1       1
3     6     1       1      1       1
4     6     2       1      1       1

[[9]]
# A tibble: 8 x 5
   case group outcome sample control
  <int> <int>   <int>  <int>   <int>
1    11     1       1      1       1
2    11     1       1      2       1
3    11     1       2      1       1
4    11     1       2      2       1
5    11     1       1      1       2
6    11     1       1      2       2
7    11     1       2      1       2
8    11     1       2      2       2

[[10]]
# A tibble: 4 x 5
   case group outcome sample control
  <int> <int>   <int>  <int>   <int>
1     3     1       1      1       1
2     3     1       1      2       1
3     3     1       2      1       1
4     3     1       2      2       1

[[11]]
# A tibble: 4 x 5
   case group outcome sample control
  <int> <int>   <int>  <int>   <int>
1    15     1       1      1       1
2    15     1       1      2       1
3    15     1       1      1       2
4    15     1       1      2       2

[[12]]
# A tibble: 2 x 5
   case group outcome sample control
  <int> <int>   <int>  <int>   <int>
1     7     1       1      1       1
2     7     1       1      2       1

[[13]]
# A tibble: 2 x 5
   case group outcome sample control
  <int> <int>   <int>  <int>   <int>
1    16     1       1      1       1
2    16     1       1      1       2

[[14]]
# A tibble: 1 x 5
   case group outcome sample control
  <int> <int>   <int>  <int>   <int>
1     8     1       1      1       1

【讨论】：

我也更新了帖子。你能检查一下这是否是预期的
@rnorouzian 与dplyr::select({{study_col}}, {{group_col}}, {{outcome_col}}, !!! dot_cols) 相同，其中dot_cols 是我们从... 捕获的唯一对象
@rnorouzian 是的，您也可以跳过这些内容，并使用其他 grp 创建删除那些变异。我在想你需要这个作为额外的东西
您需要在这些列上单独执行n_distinct
嗨，Arun，请确保您已经看到 the new question 您让我发帖。别着急。