purrr替代循环
1 purrr循环引用知乎张敬信的说法： ❝用 R 写 「循环」 从低到高有三种境界：手动 for 循环，apply 函数族，purrr 包泛函式编程。 ❞ R写循环有三个境界： 其中，手动for循环我最常用，apply系列半吊子，purrr函数一窍不通，所以要学习一下。 2 泛函式函数泛函式定义函数的函数成为泛函式，map(x,f)中，map是函数，f也是函数，f是map的参数，那么map就是泛函数。 dat = data.frame(y1 = rnorm(10),y2 = rnorm(10)+10)
dat
map(dat,mean)
这里，map是函数，mean是map的参数，测试数据： > dat = data.frame(y1 = rnorm(10),y2 = rnorm(10)+10)
> dat
y1 y2
1 0.5817177 10.355036
2 1.4852696 10.058380
3 1.0901313 11.682624
4 0.2128081 11.119148
5 0.8566806 10.547209
6 0.8843383 9.414661
7 0.4761166 11.070056
8 0.3465340 9.301207
9 1.1130833 10.087095
10 0.6286422 9.983994
> map(dat,mean)
$y1
[1] 0.7675322
$y2
[1] 10.36194
如果使用apply系列的lapply函数，是这样处理的： > lapply(dat,mean)
$y1
[1] 0.7675322
$y2
[1] 10.36194
两者结果完全一致， 所以，这里map和apply都是泛函式函数。 3 map的不同类型这里先模拟数据： > dat = data.frame(x1 =rnorm(10),x2 = rnorm(10),x3 = rnorm(10),x4 = rnorm(10))
> dat
x1 x2 x3 x4
1 1.203531098 -0.33361497 -0.05708186 0.9924523
2 -0.340909576 0.22388983 -1.42836870 -0.2116809
3 -1.710778506 0.31278696 0.17518334 0.8943420
4 -0.001525112 0.22099926 -0.62475728 -0.7134268
5 0.229862264 -1.76353518 -1.04137751 0.5086442
6 -0.382215060 0.06071203 -0.86489543 -0.7195158
7 1.175170874 -0.78679427 -0.23324264 -0.4412758
8 0.151216441 -1.09148795 0.54867008 0.1762894
9 -0.017814828 0.51608686 0.04602458 -0.5771657
10 -1.406719653 0.30200433 -0.18020801 0.3050708
4 map应用 这里，map函数，支持一元函数 map(dat,max)
4.1 「map2应用」 这里map2可以支持二元函数，比如： map2(dat$x1,dat$x2,~max(.x,.y))
上面的.x和.y表示dat$x1, dat$x2两个元素，~max表示匿名函数。上面需要用map2或者pmax，如果用map就失败： > map(dat$x1,dat$x2,~max(.x,.y))
[[1]]
NULL
[[2]]
NULL
4.2 「pmap函数」 支持两个，或者两个以上的多元函数，默认是对行进行操作： > pmap(dat,max)
[[1]]
[1] 1.203531
……
上面的也可以写为： pmap(dat,~max(..1,..2,..3,..4))
4.3 map不同的后缀*_chr，比如map_chr, map2_chr, pmap_chr等，返回字符
5 匿名函数写法- 二元的map2，可以写为.x,.y，或者..1,..2
- 三元的pmap，可以写为..1,..2,..3,..4
5.1 一元的map下面三种写法是等价的。 - 第一种，是直接调用max函数，不是匿名函数，不需要~符号，默认是对列处理，如果对行处理，可以用
pmap - 第三种，是调用匿名函数，前面需要用~，参数用
..1
map(dat,max)
map(dat,~max(.x))
map(dat,~max(..1))
5.2 二元的map2和上面一元map用法一样，下面三种也是等价的： map2(dat$x1,dat$x2, max)
map2(dat$x1,dat$x2, ~max(.x,.y))
map2(dat$x1,dat$x2, ~max(..1,..2))
5.3 多元的pmap因为多元的，不会有..x, ..y, ..z表示，只会有..1, ..2, ..3表示，所以下面两种也是等价的： pmap(dat,max)
pmap(dat,~max(..1,..2,..3,..4))
6 函数的参数两种写法6.1 直接在函数的函数内部比如，要计算每一列的平均值，允许缺失值，需要用到参数na.rm = T，可以这样写： > map(dat,~mean(.x,na.rm = T))
$x1
[1] -0.1100182
$x2
[1] -0.2338953
$x3
[1] -0.3660053
$x4
[1] 0.02137338
这里，用到了匿名函数，可以把匿名函数的参数，写在匿名函数里面。 6.2 直接在函数内部写这里，因为map函数的用法是：map(.x, .f, ...)，其中 所以，计算每一列的平均值，也可以写为： > map(dat,mean,na.rm=T)
$x1
[1] -0.1100182
$x2
[1] -0.2338953
$x3
[1] -0.3660053
$x4
[1] 0.02137338
7 map的用法1：批量建模这里使用我的R包learnasreml中的MET数据，进行测试。 MET数据是作物两年多点的产量试验数据，这里我们分别对每一个地点的品种进行方差分析。 library(learnasreml)
data(MET)
head(MET)
summary(MET)
> library(learnasreml)
> data(MET)
> head(MET)
Year Location Rep Cul Yield
1 2009 KN 1 EarlyCanada 56.236
2 2009 KN 1 CalhounGray 74.167
3 2009 KN 1 StarbriteF1 32.601
4 2009 KN 1 CrimsonSweet 74.167
5 2009 KN 1 GeorgiaRattlesnake 64.794
6 2009 KN 1 FiestaF1 70.907
> summary(MET)
Year Location Rep Cul Yield
2009:200 CI:80 1:100 CalhounGray : 40 Min. : 4.034
2010:200 FL:80 2:100 CrimsonSweet : 40 1st Qu.: 45.166
KN:80 3:100 EarlyCanada : 40 Median : 67.647
SC:80 4:100 FiestaF1 : 40 Mean : 67.473
TX:80 GeorgiaRattlesnake: 40 3rd Qu.: 88.616
Legacy : 40 Max. :180.906
(Other) :160 NA's :3
数据包括： 这里，我们对每一个地点的品种，进行方差分析，常规的做法是： loc1 = MET[MET$Location == "CI",]
loc2 = MET[MET$Location == "FL",]
loc3 = MET[MET$Location == "KN",]
loc4 = MET[MET$Location == "SC",]
loc5 = MET[MET$Location == "TX",]
提取每一个地点的数据，单独保存。然后对每一个地点进行方差分析： summary(aov(Yield ~ Cul, data=loc1))
summary(aov(Yield ~ Cul, data=loc2))
summary(aov(Yield ~ Cul, data=loc3))
summary(aov(Yield ~ Cul, data=loc4))
summary(aov(Yield ~ Cul, data=loc5))
如果使用map函数进行批量建模： MET %>% split(.$Location) %>% map(.,~aov(Yield ~ Cul,.) %>% summary)
结果如下： > MET %>% split(.$Location) %>% map(.,~aov(Yield ~ Cul,.) %>% summary)
$CI
Df Sum Sq Mean Sq F value Pr(>F)
Cul 9 8696 966.2 3.193 0.00277 **
Residuals 69 20879 302.6
---
Signif. codes: 0 '***’ 0.001 '**’ 0.01 '*’ 0.05 '.’ 0.1 ' ’ 1
1 observation deleted due to missingness
$FL
Df Sum Sq Mean Sq F value Pr(>F)
Cul 9 10151 1127.9 1.565 0.143
Residuals 69 49723 720.6
1 observation deleted due to missingness
$KN
Df Sum Sq Mean Sq F value Pr(>F)
Cul 9 8236 915.1 4.038 0.000338 ***
Residuals 70 15863 226.6
---
Signif. codes: 0 '***’ 0.001 '**’ 0.01 '*’ 0.05 '.’ 0.1 ' ’ 1
$SC
Df Sum Sq Mean Sq F value Pr(>F)
Cul 9 24478 2719.8 5.6 8.42e-06 ***
Residuals 70 33996 485.7
---
Signif. codes: 0 '***’ 0.001 '**’ 0.01 '*’ 0.05 '.’ 0.1 ' ’ 1
$TX
Df Sum Sq Mean Sq F value Pr(>F)
Cul 9 5784 642.6 1.326 0.24
Residuals 69 33429 484.5
1 observation deleted due to missingness
8 walk与map对比walk和map函数组合上类似，不同的是walk不返回结果，比如你要保存数据时，就可以用walk函数系列。 上面的MET数据，我们可以将数据按照品种分组，批量的保存名为地点的数据csv中。 data(MET)
head(MET)
MET %>% group_nest(Location) %>% pwalk(~ write.csv(.y,paste0(.x,".csv")))
结果，每个地点都有一个csv文件：  9 map函数用法2：批量读取数据上面的csv文件，批量读取，然后合并再一起 re = map_dfr(file,read.csv)
10 参考：https://zhuanlan.zhihu.com/p/168772624 https://mp.weixin.qq.com/s/H6nwbkePeeMhDCEwlC1PUA
|
