使用while循环存储purrr：map_dfr和dplyr :: group_split的输出 [英] Store output from purrr:map_dfr and dplyr::group_split with while loop
本文介绍了使用while循环存储purrr：map_dfr和dplyr :: group_split的输出的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
我想使用 map_dfr 和 group_split 通过while循环运行data.frame组，存储结果。
我可以为一组这样的人这样做。
＃低于
的df dput＃此代码查找Sample.y中Sample.x的DIFF的壁橱匹配项，然后找到下一个最接近的匹配项，直到
df_f<-df％>％ filter（grp == AB&VAR == Var1）
HowMany<-length（unique（df_f $ Sample.y））
i<-1
MyList< ;-list（）
而（i< HowMany）{
res1<-df_f％&％;％
group_by（grp，VAR，Sample.x）％ >％
过滤器（DIFF == min（DIFF））％>％
ungroup（）％>％
mutate（Rank1 = density_rank（DIFF））
res2<-res1％>％group_by（grp，VAR）％>％filter（rank（Rank1，ties.method = first）== 1）
SY< ;-as.numeric（res2 $ Sample.y）
SX<-as.numeric（res2 $ Sample.x）
res3<-df_f％&％; filter（Sample.y！= SY）
res4 <-res3％>％filter（Sample.x！= SX）
df_f<-res4
MyList [[i]]<-res2
i<-i + 1
}
df.result<-do.call（ rbind，MyList）
但是，当尝试使用while循环使函数与 map_dfr 和 group_split一起使用我无法和/或不确定如何存储输出。
MyResult<-df％> ;％
dplyr :: group_split（grp，VAR）％>％
map_dfr（fun）＃有趣的
df.store<-data.frame（）＃尝试存储结果
fun<-function（df）{
HowMany<-length（unique（df $ Sample.y））
i<-1
MyList_FF<-list（）
ThisDF<-df
while（i< = HowMany）{
res1<-ThisDF％&％;％
group_by（grp，VAR，Sample.x）％>％
过滤器（DIFF == min（DIFF））％>％
ungroup（）％>％
突变（等级1 = density_rank（DIFF））
res2<-res1 ％>％group_by（grp，VAR）％&％; filter（rank（Rank1，ties.method = first）== 1）
＃print（res2）＃打印到屏幕上以显示所需的输出外观正确的
SY <-as.numeric（res2 $ Sample.y）
SX <--as.numeric（res2 $ Sample.x）
res3 <-ThisDF ％>％filter（Sample.y！= SY）
res4<-res3％>％filter（Sample.x！= SX）
＃df.store<- rbind（df.store，res4）
＃MyList_FF [[i]]<-res2
ThisDF<-res4
ibi<-i + 1
}
}
我试过 rbind 或使用列表存储输出，但是我的尝试不正确。如果在屏幕上打印 res2，则一次可以看到所需的输出。如何存储每个 group_split 的 fun 的输出？
＃df dput
df<-structure（list（Location.x = structure（c（1L，1L，1L，1L，1L，1L，
1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，
1L，1L，1L，1L，1L，1L，1L ，1L，2L，2L，2L，2L，2L，2L，2L，2L，
2L，2L，2L，2L），. Label = c（ A， C， B）， class = factor），
Sample.x = c（6L，6L，10L，10L，9L，9L，6L，6L，10L，10L，
9L，9L，6L，6L，6L ，10L，10L，10L，9L，9L，9L，6L，6L，6L，
10L，10L，10L，9L，9L，9L，1L，1L，1L，9L，9L，9L，1L，1L ，
1L，9L，9L，9L），VAR = c（ Var1， Var1， Var1， Var1，
Var1， Var1， Var2， Var2， Var2， Var2， Var2， Var2，
Var1， Var1， Var1， Var1， Var1， Var1， Var1 ， Var1，
Var1， Var2， Var2， Var2， Var2， Var2， Var2， Var2，
Var2， Var2， Var1， Var1， Var1， Var1， Var1， Var1，
Var2， Var2 ， Var2， Var2， Var2， Var2），value.x = c（56.48，
56.48，57.03，57.03，55.04，55.04，6，6，10，10，9， 9，56.48，
56.48，56.48，57.03，57.03，57.03，55.04，55.04，55.04，6，
6，6，10，10，10，9，9，9，9，55.62，55.62， 55.62，55.65，55.65，
55.65，1，1，1，9，9，9），Location.y = structure（c（2L，2L，
2L，2L，2L，2L，2L ，2L，2L，2L，2L，2L，3L，3L，3L，3L，3L，
3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L ，3L，3L，
3L，3L，3L，3L，3L，3L，3L，3L，3L，3L），.Label = c（ A，
C， B ），class = factor），Sample.y = c（1L，9L，1L，9L，
1L，9L，1L，9L，1L，9L，1L，9L，3L，7L，9L，3L ，7L，9L，3L，
7L，9L，3L，7L，9L，3L，7L，9L，3L，7L，9L，3L，7L，9L，3L，
7L，9L，3L ，7L，9L，3L，7L，9L），值y = c（55.62，55.65，
55.62，55.65，55.62，55.65，1，9，1，1，9，1，9，1.4，111.6，
111.8、1.4、111.6、111.8、1.4、111.6、111.8、10.2、14.4，b $ b 20.9、10.2、14.4、20.9、10.2、14.4 ，20.9、1.4、111.6、111.8，
1.4、111.6、111.8、10.2、14.4、20.9、10.2、14.4、20.9），DIFF = c（0.859999999999999，
0.829999999999998、1.41、1.38、0.579999999999998， 0.609999999999999，
5、3、9、1、8、0、55.08、55.12、55.32、55.63、54.57、54.77，
53.64、56.56、56.76、4.2、8.4、14.9、0.199999999999999、4.4，
10.9、1.2、5.4、11.9、54.22、55.98、56.18、54.25、55.95，
56.15、9.2、13.4、19.9、1.2、5.4、11.9），grp = c（ AC， AC，
AC， AC， AC， AC， AC， AC， AC， AC， AC， AC，
AB， AB， AB， AB， AB， AB， AB， AB， AB， AB，
AB， AB， AB， AB， AB， AB， AB， AB， CB， CB，
CB， CB， CB ， CB， CB， CB， CB， CB， CB， CB
）），row.names = c（NA，-42L），class = data.frame）
解决方案
唯一缺少的是映射函数 fun 没有返回值。它是 计算并构建临时列表，正确地 MyList_FF ，您可以使用 print（）调用，但没有返回，它消失了。
乐趣<-function（df）{
HowMany<-length（unique（df $ Sample.y））
i<-1
MyList_FF<-list（）
df_f<-df
而（ i< = HowMany）{
res1<-df_f％>％
group_by（grp，VAR，Sample.x）％&％;％
filter（DIFF == min（DIFF ））％>％
ungroup（）％&％;％
mutate（等级1 = density_rank（DIFF））
res2<-res1％>％group_by（grp ，VAR）％>％filter（rank（Rank1，ties.method = first）== 1）
SY<-as.numeric（res2 $ Sample.y）
SX<-as.numeric（res2 $ Sample.x）
res3<-df_f％>％filter（Sample.y！= SY）
res4<-res3％&％ filter（Sample.x！= SX）
df_f<-res4
MyList_FF [[i]]<-res2
i<-i + 1
}
＃这是魔术行
do.call（ rbind ，MyList_FF）
＃这将返回在函数
内构建的列表
神奇之处在于最后一行，类似于您在单个示例之后所做的，将中间结果列表绑定在一起。在R中，仅当您尝试提早返回时，才需要 return（）函数，因为默认情况下，R函数将返回最后一个值。因此，在这里我们无需明确地说 return（do.call（ rbind，MyList_FF）），尽管这样做对您没有任何伤害。在非工作示例中，自分配 i 以来没有最后一个值，因此您没有找回任何对象，但也没有收到任何错误。 / p>
完整的示例：
MyResult<-df％ >％
dplyr :: group_split（grp，VAR）％>％
map_df（fun）
MyResult
＃小动作：16 x 10
＃组：grp，VAR [1]
Location.x Sample.x VAR value.x Location.y Sample.y value.y DIFF grp Rank1
< fct> < int> < chr> < dbl> < fct> < int> < dbl> < dbl> < chr> < int>
1 A 9 Var1 55.0 B 3 1.4 53.6 AB 1
2 A 10 Var1 57.0 B 7 112. 54.6 AB 1
3 A 6 Var1 56.5 B 9 112. 55.3 AB 1
4 A 9 Var1 55.0 B 3 1.4 53.6 AB 1
5 A 10 Var1 57.0 B 7112.54.6 AB 1
6 A 6 Var1 56.5 B 9 112.55.3 AB 1
7 A 9 Var1 55.0 B 3 1.4 53.6 AB 1
8 A 10 Var1 57.0 B 7112.54.6 AB 1
9 A 9 Var1 55.0 B 3 1.4 53.6 AB 1
10 A 10 Var1 57.0 B 7112. 54.6 AB 1
11 A 9 Var1 55.0 B 3 1.4 53.6 AB 1
12 A 10 Var1 57.0 B 7 112. 54.6 AB 1
13 A 6 Var1 56.5 B 9112.55.3 AB 1
14 A 9 Var1 55.0 B 3 1.4 53.6 AB 1
15 A 10 Var1 57.0 B 7 112. 54.6 AB 1
16 A 6 Var1 56.5 B 9 112.55.3 AB 1
旁注，如果您经常使用 do.call（ xbind，list），您可能会喜欢 dplyr :: bind_rows（list）和 dplyr :: bind_cols（list）。
I would like to use map_dfr and group_split to run groups of a data.frame through a while loop and store the results.
I can do this for one group like this.
# df dput below
# this code finds the closet match for DIFF for Sample.x in Sample.y, then finds the next closest match, until
df_f <- df %>% filter(grp == "AB" & VAR == "Var1")
HowMany <- length(unique(df_f$Sample.y))
i <- 1
MyList <- list()
while (i <= HowMany){
res1 <- df_f %>%
group_by(grp, VAR, Sample.x) %>%
filter(DIFF == min(DIFF)) %>%
ungroup() %>%
mutate(Rank1 = dense_rank(DIFF))
res2 <- res1 %>% group_by(grp, VAR) %>% filter(rank(Rank1, ties.method="first")==1)
SY <- as.numeric(res2$Sample.y)
SX <- as.numeric(res2$Sample.x)
res3 <- df_f %>% filter(Sample.y != SY)
res4 <- res3 %>% filter(Sample.x != SX)
df_f <- res4
MyList[[i]] <- res2
i <- i + 1
}
df.result <- do.call("rbind", MyList)
But when trying to make a function with the while loop to use with map_dfr and group_split I am unable and/or unsure on how to store the output.
MyResult <- df %>%
dplyr::group_split(grp, VAR) %>%
map_dfr(fun) # fun below
df.store <- data.frame() # attempt to store results
fun <- function(df){
HowMany <- length(unique(df$Sample.y))
i <- 1
MyList_FF <- list()
ThisDF <- df
while (i <= HowMany){
res1 <- ThisDF %>%
group_by(grp, VAR, Sample.x) %>%
filter(DIFF == min(DIFF)) %>%
ungroup() %>%
mutate(Rank1 = dense_rank(DIFF))
res2 <- res1 %>% group_by(grp, VAR) %>% filter(rank(Rank1, ties.method="first")==1)
# print(res2) # when printed to screen the desired output looks correct
SY <- as.numeric(res2$Sample.y)
SX <- as.numeric(res2$Sample.x)
res3 <- ThisDF %>% filter(Sample.y != SY)
res4 <- res3 %>% filter(Sample.x != SX)
# df.store <- rbind(df.store, res4)
# MyList_FF[[i]] <- res2
ThisDF <- res4
i <- i + 1
}
}
I've tried to rbind or use a list to store the output, but my attempts have not been correct. If I print "res2" to screen, I can see the desired output one row at a time. How do I store the output from fun from each group_split?
# df dput
df <- structure(list(Location.x = structure(c(1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L,
2L, 2L, 2L, 2L), .Label = c("A", "C", "B"), class = "factor"),
Sample.x = c(6L, 6L, 10L, 10L, 9L, 9L, 6L, 6L, 10L, 10L,
9L, 9L, 6L, 6L, 6L, 10L, 10L, 10L, 9L, 9L, 9L, 6L, 6L, 6L,
10L, 10L, 10L, 9L, 9L, 9L, 1L, 1L, 1L, 9L, 9L, 9L, 1L, 1L,
1L, 9L, 9L, 9L), VAR = c("Var1", "Var1", "Var1", "Var1",
"Var1", "Var1", "Var2", "Var2", "Var2", "Var2", "Var2", "Var2",
"Var1", "Var1", "Var1", "Var1", "Var1", "Var1", "Var1", "Var1",
"Var1", "Var2", "Var2", "Var2", "Var2", "Var2", "Var2", "Var2",
"Var2", "Var2", "Var1", "Var1", "Var1", "Var1", "Var1", "Var1",
"Var2", "Var2", "Var2", "Var2", "Var2", "Var2"), value.x = c(56.48,
56.48, 57.03, 57.03, 55.04, 55.04, 6, 6, 10, 10, 9, 9, 56.48,
56.48, 56.48, 57.03, 57.03, 57.03, 55.04, 55.04, 55.04, 6,
6, 6, 10, 10, 10, 9, 9, 9, 55.62, 55.62, 55.62, 55.65, 55.65,
55.65, 1, 1, 1, 9, 9, 9), Location.y = structure(c(2L, 2L,
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L,
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L), .Label = c("A",
"C", "B"), class = "factor"), Sample.y = c(1L, 9L, 1L, 9L,
1L, 9L, 1L, 9L, 1L, 9L, 1L, 9L, 3L, 7L, 9L, 3L, 7L, 9L, 3L,
7L, 9L, 3L, 7L, 9L, 3L, 7L, 9L, 3L, 7L, 9L, 3L, 7L, 9L, 3L,
7L, 9L, 3L, 7L, 9L, 3L, 7L, 9L), value.y = c(55.62, 55.65,
55.62, 55.65, 55.62, 55.65, 1, 9, 1, 9, 1, 9, 1.4, 111.6,
111.8, 1.4, 111.6, 111.8, 1.4, 111.6, 111.8, 10.2, 14.4,
20.9, 10.2, 14.4, 20.9, 10.2, 14.4, 20.9, 1.4, 111.6, 111.8,
1.4, 111.6, 111.8, 10.2, 14.4, 20.9, 10.2, 14.4, 20.9), DIFF = c(0.859999999999999,
0.829999999999998, 1.41, 1.38, 0.579999999999998, 0.609999999999999,
5, 3, 9, 1, 8, 0, 55.08, 55.12, 55.32, 55.63, 54.57, 54.77,
53.64, 56.56, 56.76, 4.2, 8.4, 14.9, 0.199999999999999, 4.4,
10.9, 1.2, 5.4, 11.9, 54.22, 55.98, 56.18, 54.25, 55.95,
56.15, 9.2, 13.4, 19.9, 1.2, 5.4, 11.9), grp = c("AC", "AC",
"AC", "AC", "AC", "AC", "AC", "AC", "AC", "AC", "AC", "AC",
"AB", "AB", "AB", "AB", "AB", "AB", "AB", "AB", "AB", "AB",
"AB", "AB", "AB", "AB", "AB", "AB", "AB", "AB", "CB", "CB",
"CB", "CB", "CB", "CB", "CB", "CB", "CB", "CB", "CB", "CB"
)), row.names = c(NA, -42L), class = "data.frame")
解决方案
The only piece missing was your mapped function fun wasn't returning a value. It was computing and building the temporary list, MyList_FF properly, you could see with the print() calls, but without a return, it was disappearing.
fun <- function(df) {
HowMany <- length(unique(df$Sample.y))
i <- 1
MyList_FF <- list()
df_f <- df
while (i <= HowMany){
res1 <- df_f %>%
group_by(grp, VAR, Sample.x) %>%
filter(DIFF == min(DIFF)) %>%
ungroup() %>%
mutate(Rank1 = dense_rank(DIFF))
res2 <- res1 %>% group_by(grp, VAR) %>% filter(rank(Rank1, ties.method="first")==1)
SY <- as.numeric(res2$Sample.y)
SX <- as.numeric(res2$Sample.x)
res3 <- df_f %>% filter(Sample.y != SY)
res4 <- res3 %>% filter(Sample.x != SX)
df_f <- res4
MyList_FF[[i]] <- res2
i <- i + 1
}
# this is the magic line
do.call("rbind", MyList_FF)
# this returns the list built inside of the function
}
The magic is in that last line, similar to what you did after your single example, binding up the intermediate results list. In R the return() function is only needed if you are trying to return early, because by default R functions will return the last value. So here we don't need to explicitly say return(do.call("rbind", MyList_FF)), although it wouldn't hurt anything if you did. In the non-working example there wasn't a last value since i was being assigned, so you were not getting any objects back, but were not getting any errors either.
For a full working example:
MyResult <- df %>%
dplyr::group_split(grp, VAR) %>%
map_df(fun)
MyResult
# A tibble: 16 x 10
# Groups: grp, VAR [1]
Location.x Sample.x VAR value.x Location.y Sample.y value.y DIFF grp Rank1
<fct> <int> <chr> <dbl> <fct> <int> <dbl> <dbl> <chr> <int>
1 A 9 Var1 55.0 B 3 1.4 53.6 AB 1
2 A 10 Var1 57.0 B 7 112. 54.6 AB 1
3 A 6 Var1 56.5 B 9 112. 55.3 AB 1
4 A 9 Var1 55.0 B 3 1.4 53.6 AB 1
5 A 10 Var1 57.0 B 7 112. 54.6 AB 1
6 A 6 Var1 56.5 B 9 112. 55.3 AB 1
7 A 9 Var1 55.0 B 3 1.4 53.6 AB 1
8 A 10 Var1 57.0 B 7 112. 54.6 AB 1
9 A 9 Var1 55.0 B 3 1.4 53.6 AB 1
10 A 10 Var1 57.0 B 7 112. 54.6 AB 1
11 A 9 Var1 55.0 B 3 1.4 53.6 AB 1
12 A 10 Var1 57.0 B 7 112. 54.6 AB 1
13 A 6 Var1 56.5 B 9 112. 55.3 AB 1
14 A 9 Var1 55.0 B 3 1.4 53.6 AB 1
15 A 10 Var1 57.0 B 7 112. 54.6 AB 1
16 A 6 Var1 56.5 B 9 112. 55.3 AB 1
Side note if you use do.call("xbind", list) a lot you might enjoy dplyr::bind_rows(list) and dplyr::bind_cols(list).
这篇关于使用while循环存储purrr：map_dfr和dplyr :: group_split的输出的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
查看全文
