在 R 中使用 map 函数而不是 for 循环答案

【问题标题】：Using map function instead of for loop in R在 R 中使用 map 函数而不是 for 循环
【发布时间】：2020-03-11 01:41:46
【问题描述】：

如果这是一个愚蠢的问题，我深表歉意——我对 R 很陌生，并且一直在努力自学。我一直在尝试使用 map 函数而不是 for 循环来重写以下代码。

  columnmean <- function(y){
  nc <- ncol(y)
  means <- numeric(nc)
  for(i in 1:nc){
    means[i] <- mean(y[, i])
  }
  means
}

columnmean(mtcars)

我使用地图的代码打印出手段，但它也添加了列名。如何正确利用地图来避免这种情况？我应该使用 imap 还是 map2？谢谢！

columnmean1 <- function(y){
  nc <- ncol(y)
  means <- numeric(nc)
  map(y, function (y) means <- mean(y) )
}

columnmean1(mtcars)

【问题讨论】：

欢迎来到 Stack Overflow！您能否阅读并合并来自How to make a great R reproducible example 的元素？尤其是使用dput() 作为输入的方面，然后是您预期数据集的明确示例？
感谢您的建议！我不太了解如何使用 dput()，但我希望通过包含 mtcars 数据集，它可以让每个人更容易理解我看到的问题。
几件事：（1）注意嵌套函数中的变量重用。您将y 用于columnmean1 中的两个不同变量。（2）让map中的匿名函数返回一些东西，并分配整个map()调用的结果，而不是在函数内，例如means <- map(mtcars, function(col) mean(col))（与means <- map(mtcars, mean)相同）。
在你了解map（和map_dbl、map_chr等）之前，不要担心map2或imap

【解决方案1】：

你可以使用map_dbl：

columnmean_map <- function(y){
   purrr::map_dbl(y, mean)
}

你也可以使用summarise_all

columnmean_summarise <- function(y){
   dplyr::summarise_all(y, mean)
}

【讨论】：