在维护数据结构的同时使用'group_split'？

我正在使用

osfr

包，我想将函数

osf_ls_节点

应用到数据中的每一行

库（osfr）
图书馆（dplyr）
图书馆（purrr）
项目数据=
osfr:：osf_检索_用户（“qs9fc”）%>%
osf_ls_节点（）
项目_数据%>%###仅适用于第一个元素
osf_ls_文件（）
#>警告：这不是矢量化函数。只有第一行（共10行）将被删除
#>用过。
#>#tibble:2 x 3
#>名称id元
#>                                                             
#>1预分析计划.html 5e74e7554a60a50569bb5299
#>2预分析计划修订文件5ee79fa0af2627000d4f641c

当我尝试使用

tidyverse

使用典型的矢量化模式时，数据的结构会发生变化，这也不起作用

当我尝试对格式更改进行矢量化时 超出% 变异（n=行数（））%>% 组分割（.keep=F）%>% 映射（osf_ls_文件） #>UseMethod（“osf_ls_文件”）中的错误：没有适用于“c”类对象的“osf_ls_文件”的方法（“tbl_df”、“tbl”、“data.frame”）

---

我可以通过循环看到一种明显的方法，但我想知道在维护数据结构的同时是否可以使用

组分割

或类似的函数。

我们可以使用

进行

循环

library(dplyr)
out <- vector('list', nrow(project_data))
for(i in seq_along(out)) {
    out[[i]] <- project_data %>% 
                   slice(i) %>%
                   osf_ls_files()
    }
out1 <- bind_rows(out)
out1
# A tibble: 31 x 3
#   name                             id                       meta            
#   <chr>                            <chr>                    <list>          
# 1 pre_analysis_plan.html           5e74e7554a60a50569bb5299 <named list [3]>
# 2 pre_analysis_plan_amendment.docx 5ee79fa0af2627000d4f641c <named list [3]>
# 3 Analyses                         5d85386ab3103d00185130b1 <named list [3]>
# 4 Appendix                         5d8539fc51eeee0019bb9417 <named list [3]>
# 5 Program_2017.pdf                 5eb4611e9ddd2800b6091b74 <named list [3]>
# 6 Materials shared by speakers     5eb4612d9ddd2800b70935cb <named list [3]>
# 7 Program_2018.pdf                 5eb461f3877c5e00bf3a35b2 <named list [3]>
# 8 Program_2019.pdf                 5eb46210877c5e00b93a46cb <named list [3]>
# 9 Program_2020.pdf                 5eb46222877c5e00c03a4fb6 <named list [3]>
#10 Sample Implementations           5626656b8c5e4a103c6121dd <named list [3]>
# … with 21 more rows

---

group\u split

应用于整个数据，而不是

n

这太棒了@akrun！我会接受的，你有没有建议在没有循环的情况下写这个？“John Henry，现在有一些ATILITBUTE的问题显示在 GROPPLSPLIG/<代码>和行> >你认为我应该考虑BASE <代码>分裂< /代码>吗？我以前没用过，但我想让你尝尝

library(purrr)
project_data %>%
     split(seq_len(nrow(.))) %>%
      map_dfr(osf_ls_files)
# A tibble: 31 x 3
#   name                             id                       meta            
#   <chr>                            <chr>                    <list>          
# 1 pre_analysis_plan.html           5e74e7554a60a50569bb5299 <named list [3]>
# 2 pre_analysis_plan_amendment.docx 5ee79fa0af2627000d4f641c <named list [3]>
# 3 Analyses                         5d85386ab3103d00185130b1 <named list [3]>
# 4 Appendix                         5d8539fc51eeee0019bb9417 <named list [3]>
# 5 Program_2017.pdf                 5eb4611e9ddd2800b6091b74 <named list [3]>
# 6 Materials shared by speakers     5eb4612d9ddd2800b70935cb <named list [3]>
# 7 Program_2018.pdf                 5eb461f3877c5e00bf3a35b2 <named list [3]>
# 8 Program_2019.pdf                 5eb46210877c5e00b93a46cb <named list [3]>
# 9 Program_2020.pdf                 5eb46222877c5e00c03a4fb6 <named list [3]>
#10 Sample Implementations           5626656b8c5e4a103c6121dd <named list [3]>
# … with 21 more rows