dplyr:：mutate以添加多个值

关于这个问题，已经有几个问题了，至少有一个相关的SO问题，但没有一个完全涵盖了我的问题——我想

• 这或多或少是我想要的，但有一个特殊的案例答案（

  tidyr:：separate

  ）对我来说并不适用
• （“使用返回多个值/列的函数进行汇总或变异”）表示“使用

  do（）

  ”

这是我的用例：我想计算精确的二项式置信区间

dd <- data.frame(x=c(3,4),n=c(10,11))
get_binCI <- function(x,n) {
    rbind(setNames(c(binom.test(x,n)$conf.int),c("lwr","upr")))
}
with(dd[1,],get_binCI(x,n))
##             lwr       upr
## [1,] 0.06673951 0.6524529

---

下面是一个使用

data.table

包的快速解决方案

首先，对函数进行一点更改

get_binCI <- function(x,n) as.list(setNames(binom.test(x,n)$conf.int, c("lwr", "upr")))

这使用了一个“标准”的dplyr工作流，但正如@BenBolker在评论中指出的那样，它需要调用

get\u binCI

两次：

dd %>% group_by(x,n) %>%
  mutate(lwr=get_binCI(x,n)[1],
         upr=get_binCI(x,n)[2])

  x  n        lwr       upr
1 3 10 0.06673951 0.6524529
2 4 11 0.10926344 0.6920953

---

还有另一种变体，尽管我认为我们在这里都是在吹毛求疵

> dd <- data.frame(x=c(3,4),n=c(10,11))
> get_binCI <- function(x,n) {
+   as_data_frame(setNames(as.list(binom.test(x,n)$conf.int),c("lwr","upr")))
+ }
> 
> dd %>% 
+   group_by(x,n) %>%
+   do(get_binCI(.$x,.$n))
Source: local data frame [2 x 4]
Groups: x, n

  x  n        lwr       upr
1 3 10 0.06673951 0.6524529
2 4 11 0.10926344 0.6920953

>dd get\u binCI
>dd%>%
+（x，n）%>%
+do（获取比尼（x美元，n美元））
来源：本地数据帧[2 x 4]
组：x，n
x n lwr不饱和聚酯树脂
1 3 10 0.06673951 0.6524529
2 4 11 0.10926344 0.6920953

就我个人而言，如果我们只考虑可读性，我认为这更可取：

foo  <- function(x,n){
    bi <- binom.test(x,n)$conf.int
    data_frame(lwr = bi[1],
               upr = bi[2])
}

dd %>% 
    group_by(x,n) %>%
    do(foo(.$x,.$n))

foo%
do（foo（.$x，.$n））

---

…但现在我们真的在挑拨离间。

这里有一些使用

行方式和
嵌套的可能性

library("dplyr")
library("tidyr")

重复x/n组合的数据帧，非常有趣

dd <- data.frame(x=c(3, 4, 3), n=c(10, 11, 10))

使用
rowwise
保留所有行，但删除
x
和
n
，除非使用
cbind（.
（就像Ben在他的OP中那样）将它们放回原处

最后，对于dplyr来说，这似乎是一个尚未解决的问题（截至2017年10月5日）；请参阅；如果实现了类似的问题，那么这将是最简单的方法！
另一个选项可能是使用
purr:：map
函数系列

如果在
get\u binCI
函数中将
rbind
替换为
dplyr:：bind\u rows
：


库（tidyverse）
dd%unnest（）
#>x n lwr不饱和聚酯树脂
#> 1 3 10 0.06673951 0.6524529
#> 2 4 11 0.10926344 0.6920953

或
purrr:：map2\u dfr
与
dplyr:：bind\u cols
：


dd%>%bind\u cols（map2\u dfr（.$x，.$n，get\u binCI））
#>x n lwr不饱和聚酯树脂
#> 1 3 10 0.06673951 0.6524529
#> 2 4 11 0.10926344 0.6920953
老问题（有很多好答案），但这是tidyverse的一个很好的用例，它处理测试和建模对象（例如
binom.test
，
lm
）的整理输出

它比其他方法更冗长，但我认为它符合您对更具表现力的方法的渴望

这个过程是：

定义要运行
binom.test
的组（在本例中，这些组由
x
和
n
定义）并
嵌套它们，为每个组创建单独的data.frames（在完整的data.frames内）

map
binom.test
调用每组的
x
和
n
值
tidy
每组的
binom.test
输出（这就是扫帚的作用）
unest
将整理好的测试输出data.frames转换为完整的data.frames
现在，您将看到一个data.frame，其中每一行包含
x
和
n
值，与相应的
binom.test
的所有输出相结合，整齐地格式化为每一位输出信息（点估计、上/下形态、p值等）的单独列

库（tidyverse）
图书馆（扫帚）
dd%
（x，n）%>%
嵌套（）%>%
变异（测试=映射（数据，~tidy（binom.test（x，n）））%>%
unnest（测试）
#>#tibble:2 x 11
#>#组：x，n[2]
#>x n数据估计统计p.值参数conf.low conf.high
#>                               
#>1 3 10 2 4 11#…还有两个变量：方法、备选方案

从这里，您只需稍加操作，选择所需的输出变量并重命名它们，即可获得精确的所需格式：

dd%>%
（x，n）%>%
嵌套（）%>%
变异（测试=映射（数据，~tidy（binom.test（x，n）））%>%
未测试（测试）%>%
重命名（lwr=conf.low，upr=conf.high）%>%
选择（x、n、lwr、upr）
#>#A tibble:2 x 4
#>#组：x，n[2]
#>x n lwr不饱和聚酯树脂
#>       
#> 1     3    10 0.0667 0.652
#> 2     4    11 0.109  0.692

如前所述，它是冗长的。比（例如）@joran的优美简洁更为冗长

dd%>%
（x，n）%>%
do（foo（.$x，.$n））

然而，扫帚方法的好处是，您不需要定义函数
foo
（或
get_binCI
）。它是完全独立的，并且在我看来更具表现力和灵活性。
您是否已经决定特别使用
dplyr
？使用，
数据。table
您可以快速执行
setDT（dd）[，as.list（get_binCI（x，n）），by=（x，n）]
虽然我的读心技能不允许我确定你所说的“表达方式”到底是什么意思……这当然是好的。我希望得到一个
dplyr
答案（尽管如果我上面的解决方案是最好的，我不会感到惊讶）.我并不反对
数据.table
，但我更喜欢
dplyr
，而且——大多数情况下——我仍然在花大量的脑力来处理它，我真的不想添加一套全新的语法（也不想把它强加给我的学生和同事）现在。但如果你这样回答，我会投赞成票，这是很有用的。大家好，希望把这个问题提出来；现在有更好的方法来做嵌套吗？我正在尝试，但还没有得到。@Aaron，我尝试过使用
unnest
，它也使用
map2
，你可能会感兴趣是的，这是一个解决方案，但它的丑陋之处在于s必须调用两次
get\u binCI（）
。有点像是在ey中
library("dplyr")
library("tidyr")

dd <- data.frame(x=c(3, 4, 3), n=c(10, 11, 10))

get_binCI_df <- function(x,n) {
  binom.test(x, n)$conf.int %>% 
    setNames(c("lwr", "upr")) %>% 
    as.list() %>% as.data.frame()
}

dd %>% group_by(x,n) %>% do(get_binCI_df(.$x,.$n))
# # A tibble: 2 x 4
# # Groups:   x, n [2]
#       x     n       lwr       upr
#   <dbl> <dbl>     <dbl>     <dbl>
# 1     3    10 0.1181172 0.8818828
# 2     4    11 0.1092634 0.6920953

dd %>% rowwise() %>% do(cbind(., get_binCI_df(.$x,.$n)))
# Source: local data frame [3 x 4]
# Groups: <by row>
#   
# # A tibble: 3 x 4
#       x     n        lwr       upr
# * <dbl> <dbl>      <dbl>     <dbl>
# 1     3    10 0.06673951 0.6524529
# 2     4    11 0.10926344 0.6920953
# 3     3    10 0.06673951 0.6524529

dd %>% rowwise() %>% mutate(ci=list(get_binCI_df(x, n))) %>% unnest()
# # A tibble: 3 x 4
#       x     n        lwr       upr
#   <dbl> <dbl>      <dbl>     <dbl>
# 1     3    10 0.06673951 0.6524529
# 2     4    11 0.10926344 0.6920953
# 3     3    10 0.06673951 0.6524529