使用tidyverse方案按列值进行子集和row_binding
问题描述:
我有一个data.frame
,我想将子集(按行)分成(重叠)“批次”,然后是purrr:::map
这些批次到一个函数。在下面的例子中,d
是data.frame
我想子集和批:使用tidyverse方案按列值进行子集和row_binding
set.seed(19)
n1 <- data.frame(c0= "N",c1 = rep("A",4),c2 = rep(c("i","j"),2), num = rnorm(4))
n2 <- data.frame(c0= "N", c1 = rep("B",6),c2 = rep(c("i","j"),3), num = rnorm(3))
y1 <- data.frame(c0 = "Y", c1 = rep("A",2),c2 = c("i","j"), num = rnorm(2))
y2 <- data.frame(c0 = "Y", c1 = rep("B",4),c2 = rep(c("i","j"),each = 2), num = rnorm(2))
d <- rbind(y1,y2,n1,n2)
这里是d
# c0 c1 c2 num
# 1 Y A i -0.7447795
# 2 Y A j -0.2597870
# 3 Y B i -0.1830838
# 4 Y B i 0.5186300
# 5 Y B j -0.1830838
# 6 Y B j 0.5186300
# 7 N A i -1.1894537
# 8 N A j 0.3885812
# 9 N A i -0.3443333
# 10 N A j -0.5478961
# 11 N B i 0.9806622
# 12 N B j -0.2366460
# 13 N B i 0.8097397
# 14 N B j 0.9806622
# 15 N B i -0.2366460
# 16 N B j 0.8097397
的子集的配方是
- 子组
c0
- >给组Y
和N
-
c0=="N"
子集由c1
内 - >给予组NA
,NB
- 子集中的每个的
NA
和NB
通过c2
- >给予组NAi
,NAj
,NBi
,NBj
- row_bind
N?i
到Y?i
和N?j
到Y?j
(其中?
是A
或B
) - >给出最后4个数据子集
在R:
subset.Yi <- d %>% filter(c0=="Y"& c2=="i")
subset.Yj <- d %>% filter(c0=="Y"& c2=="j")
list(
d1 = d %>% filter(c0=="N" & c1 == "A", c2 == "i") %>% rbind(subset.Yi),
d2 = d %>% filter(c0=="N" & c1 == "B", c2 == "i") %>% rbind(subset.Yi),
d3 = d %>% filter(c0=="N" & c1 == "A", c2 == "j") %>% rbind(subset.Yj),
d4 = d %>% filter(c0=="N" & c1 == "B", c2 == "j") %>% rbind(subset.Yj)
) %>%
tibble::tibble(batches = paste0("batch",1:length(.)),data = .) ->tmp
如果c2
匹配不是我可以这样做很重要:
d %>% filter(.,c0 == "N") %>%
group_by(.,c1) %>%
do(batches = rbind(d[d$c0=="Y"],.)) -> tmp
但事实并非这么回事。先谢谢你! BTW,我知道外面tidyverse
这是可行的,但我通过了我的代码的其余tidyverse
计划,我希望能保持一致。
答
下面是在这种情况下工作(虽然,这将是巨大的,看看别人的其他可能更为普遍的方法)的解决方案。
tmp <- d %>%
group_by(c2) %>%
nest(.key = c2) %>%
mutate(c2 = map(c2,~ .x %>%
filter(.,c0 == "N") %>%
group_by (.,c1) %>%
do(batches = bind_rows(
.x %>% filter(.,c0 == "Y") %>% select(-c1),
(.) %>% select(-c1) ))
))
tmp
这里将包含四个子集。然后,我可以做类似
tmp %>% unnest(c2) %>% .$batches %>% map(.,~sum(.$num)) %>% unlist
这给num
列colSum
在每个4个子组。
[1] -1.94302047 1.14452254 -0.08355576 1.62951506
边注:取消选择c1
在技术上是没有必要在这里,但因为我是row_binding使得数据帧的一部分被忽视的价值c1
(见上子集配方和注意?
),C1的价值感到困惑,所以我删除了它。