R pmap错误使用错误方法（“过滤器”）：没有适用于'；过滤器'；适用于“类”的对象；“字符”；

我已经编写了一个函数，当我将输入变量作为数据帧输入时，该函数运行良好。但是，当我想使用pmap以数据帧列表的形式输入输入时，会出现以下错误：

UseMethod（“filter”）中的错误：“filter”没有适用于“character”类对象的“filter”方法。

这是导致错误的数据和函数的第一部分，我在函数中未显示的部分使用y和a参数：

x <- tibble::tibble(x1 = sample(0:1, 8, replace = TRUE),
                    x2 = sample(0:25, 8, replace = FALSE),
                    x3 = sample(1:3, 8, replace = TRUE),
                    strata =c("a", "b", "c", "d", "a", "b", "c", "d"))
y <- tibble::tibble(rate = sample(0:1, 8, replace = TRUE),
                    strata =c("a", "b", "c", "d", "a", "b", "c", "d") )

a <- tibble::tibble(sample(10:80, 4, replace = FALSE))
example <- function(x, y, a , d){

  CR <- x %>% filter(x1, x2>0) %>%
    group_by(x3) %>%
    summarise(avg_revenue = mean(x2), revenue = sum(x2))
  return(CR)
}

example(x,y,a, d = 0.1)

x%nest（），
y=y%%>%group_by（地层）%%>%nest（），
a=a）
pmap（df，例如，d=0.1）

---

我得到了上面提到的错误。

我不相信

df

正在创建您想要创建的

df

。我相信这正是你想要的……如果我理解正确的话。但是，

y

没有在函数中的任何位置使用，因此我不清楚它的用途。我相信还有一种更好的方法可以使用

map

和

nest

来实现这一点，但我还是不确定您想做什么

库（tidyverse）
x#A tible:1 x 3
#>x3平均收入
#>             
#> 1     1           5      10
df%
组别(阶层)%>%
嵌套（x=c（x1，x2，x3），
y=c（比率））%>%
bind_cols（a）%%>%ungroup（）
pmap（选择（df，-地层），示例）
#> [[1]]
#>#tible:0 x 3
#>#…有3个变量：x3，平均收入，收入
#> 
#> [[2]]
#>#tible:0 x 3
#>#…有3个变量：x3，平均收入，收入
#> 
#> [[3]]
#>#A tible:1 x 3
#>x3平均收入
#>             
#> 1     1           4       4
#> 
#> [[4]]
#>#A tible:1 x 3
#>x3平均收入
#>             
#> 1     1           6       6
pmap_dfr（选择（df，-strata），例如，d=0.1，.id='strata'）
#>#A tibble:2 x 4
#>地层x3平均收入
#>               
#> 1 3          1           4       4
#> 2 4          1           6       6

---

由（v0.3.0）于2019-12-17创建此错误，正如CLedbetter在其帮助回答中所述，当

pmap

，

df

的输入数据帧格式不正确时，会出现此错误

pmap

期望

df

只包含其所操作的函数已知的列。 为此，我用一个

内部连接编辑了
df
，然后我们仍然有
strata
列，这是函数
example（）
所不知道的。
正如R中的
pmap
函数帮助中所述，为了使pmap函数忽略函数
example（）
未使用的列，
我在
example（）
的定义中使用了“…”，以便pmap可以跳过数据帧的第一列
strata
，该列未在函数中使用

因此，更新后的代码将是：

x <- tibble::tibble(x1 = sample(0:1, 8, replace = TRUE),
                    x2 = sample(0:25, 8, replace = FALSE),
                    x3 = sample(1:3, 8, replace = TRUE),
                    strata =c("a", "b", "c", "d", "a", "b", "c", "d"))
y <- tibble::tibble(rate = sample(0:1, 8, replace = TRUE),
                    strata =c("a", "b", "c", "d", "a", "b", "c", "d") )

a <- tibble::tibble(sample(10:80, 4, replace = FALSE))

# Note the addition of the "..." to the function input definition

example <- function(x, y, a , d, ...){

  CR <- x %>% filter(x1, x2>0) %>%
    group_by(x3) %>%
    summarise(avg_revenue = mean(x2), revenue = sum(x2))
  return(CR)
}

example(x,y,a, d = 0.1)

# Note the change in the reformatting of df with an inner_join

df <- inner_join(x %>% group_by(strata) %>% nest(),
                 y %>% group_by(strata) %>% nest(), 
                 by = "strata") %>% rename(x = data.x, y = data.y )

# with these changes pmap produces the output 
pmap(df, example, d= 0.1)


x%nest（），
y%%>%group_by（地层）%%>%nest（），
by=“strata”）%%>%重命名（x=data.x，y=data.y）
#通过这些更改，pmap生成输出
pmap（df，例如，d=0.1）
您能否提供最小可重复性示例的数据？（）谢谢你的提示，我已经更新了代码，这样错误就可以重现了。
x <- tibble::tibble(x1 = sample(0:1, 8, replace = TRUE),
                    x2 = sample(0:25, 8, replace = FALSE),
                    x3 = sample(1:3, 8, replace = TRUE),
                    strata =c("a", "b", "c", "d", "a", "b", "c", "d"))
y <- tibble::tibble(rate = sample(0:1, 8, replace = TRUE),
                    strata =c("a", "b", "c", "d", "a", "b", "c", "d") )

a <- tibble::tibble(sample(10:80, 4, replace = FALSE))

# Note the addition of the "..." to the function input definition

example <- function(x, y, a , d, ...){

  CR <- x %>% filter(x1, x2>0) %>%
    group_by(x3) %>%
    summarise(avg_revenue = mean(x2), revenue = sum(x2))
  return(CR)
}

example(x,y,a, d = 0.1)

# Note the change in the reformatting of df with an inner_join

df <- inner_join(x %>% group_by(strata) %>% nest(),
                 y %>% group_by(strata) %>% nest(), 
                 by = "strata") %>% rename(x = data.x, y = data.y )

# with these changes pmap produces the output 
pmap(df, example, d= 0.1)