如何引用嵌套数据框中的列（然后使用 purrr::map）

Question

我有一个关于在嵌套数据框中引用数据列的非常简单的问题。

对于一个可重现的示例，我将 mtcars 嵌套在变量 am 的两个值中：

library(tidyverse)
mtcars_nested <- mtcars %>% 
  group_by(am) %>% 
  nest()
mtcars_nested

它给出的数据看起来像这样。

#> # A tibble: 2 x 2
#> # Groups:   am [2]
#>      am data              
#>   <dbl> <list>            
#> 1     1 <tibble [13 × 10]>
#> 2     0 <tibble [19 × 10]>

如果我现在想使用purrr::map 对am 的每个级别取mpg 的平均值

我想知道为什么这不起作用：

take_mean_mpg <- function(df){
  mean(df[["data"]]$mpg)
}

map(mtcars_nested, take_mean_mpg)

Error in df[["data"]] : subscript out of bounds

或者一个更简单的问题是：我应该如何正确引用 mpg 列，一旦它嵌套。我知道这不起作用：

mtcars_nested[["data"]]$mpg

Answer 1

数据框（和 tbls）是列列表，而不是行列表，因此当您将整个 tbl mtcars_nest 传递给 map() 时，它会遍历列而不是行。您可以将mutate 与您的函数一起使用，并使用map_dbl 以便您的新列不是列表列。

library(tidyverse)
mtcars_nested <- mtcars %>% 
  group_by(am) %>% 
  nest()
mtcars_nested

take_mean_mpg <- function(df){
  mean(df$mpg)
}

mtcars_nested %>%
  mutate(mean_mpg = map_dbl(.data[["data"]], take_mean_mpg))

map_dbl() 的 .data[["data"]] 参数为它提供了来自您的数据框的 data 列表列以进行迭代，而不是整个数据框。参数的.data 部分与您名为“data”的列无关，它是rlang pronoun .data 引用您的整个数据框。 [["data"]] 然后从您的数据框中检索名为“数据”的列。您使用 mutate 是因为您正在尝试（我假设，可能是错误的）将具有平均值的列添加到嵌套数据框中。 mutate() 用于添加列，因此您使用函数添加等于 map()（或 map_dbl()）输出的列，这将返回平均值列表（或向量）。

这可能是一个令人困惑的概念。虽然map() 经常用于迭代数据帧的行，但它在技术上迭代列表（参见documentation，在它的参数下：

.x 一个列表或原子向量。

它还返回一个列表或一个向量。好消息是列只是值的列表，因此您将希望它迭代的列表（列）传递给它，并将其分配给您希望存储它的列表（列）（此分配发生在mutate()） .

Answer 2

您应该在map 中传递mtcars_nested$data 并取mpg 列的平均值。

take_mean_mpg <- function(df){
     mean(df$mpg)
}

purrr::map(mtcars_nested$data, take_mean_mpg)
#[[1]]
#[1] 24.39231

#[[2]]
#[1] 17.14737