为什么在执行map（str_match_all（））之后需要将数据帧索引到map（）？

我试图解析包含字符串的数据帧以提取最大值（数字），但遇到了一些问题

如果我从这样一个tibble开始：

tester <- tibble("phyloP46way_primate" = c(".{9}", "0.055{1}0.064{3}", "0.225{1}", "0.271{1}", "-0.706{1}-0.708{1}0.248{3}0.298{3}"))

现在，我要做的是对这些“行”中的每一行应用一个函数。但是，当我尝试映射时，它似乎只是将它们全部合并到一个向量中，并从整个批次中拾取单个最大值，而不是一个/行：

> map(foo_tbl, function(x) list_to_max(x))
$phyloP46way_primate
$phyloP46way_primate[[1]]
[1] "0.298"

除非我做了一些奇怪的索引并映射到

foo\u tbl[[1]]

而不是

foo\u tbl

：

map(foo_tbl[[1]], function(x) list_to_max(x)) %>% unlist()
[1] "."     "0.064" "0.225" "0.271" "0.298"

我想我的

列表\u to \u max（）

一定做了一些意想不到的事情，因为它们的行为与我预期的一样：

> invisible(map(foo_tbl, function(x) print(paste0("x is: ", x))))
[1] "x is: ."                                              
[2] "x is: c(\"0.055\", \"0.064\")"                        
[3] "x is: 0.225"                                          
[4] "x is: 0.271"                                          
[5] "x is: c(\"-0.706\", \"-0.708\", \"0.248\", \"0.298\")"
> invisible(modify(foo_tbl, function(x) print(paste0("x is: ", x))))
[1] "x is: ."                                              
[2] "x is: c(\"0.055\", \"0.064\")"                        
[3] "x is: 0.225"                                          
[4] "x is: 0.271"                                          
[5] "x is: c(\"-0.706\", \"-0.708\", \"0.248\", \"0.298\")"

以下是我的功能：

list_to_max <- function(character_vector) {
  numbers <- suppressWarnings(as.numeric(character_vector))
  if (all(is.na(numbers))) {
    return(".")
    } else {
      numbers %>% max(., na.rm = TRUE) %>% toString()
    }
}

list_to_max%toString（）
}
}

toString

将所有内容强制转换为逗号分隔的字符串，这不是很有用。以下是将所有内容保持在原始data.frame中的工作流：

库（tidyverse）
测试员%
突变（p_clean=gsub（'\{.*.'\}'，''，phyloP46way_灵长类动物），
p_list=strsplit（p_clean，\\s+），
p_列表=映射（p_列表，如.numeric），
p_max=map_dbl（p_列表，max））
#>#A tibble:5 x 4
#>phyloP46way_灵长类动物p_清洁p_列表p_最大值
#>                                                           
#> 1                               .{9}                         .      NA
#> 2                   0.055{1}0.064{3}               0.055 0.064   0.064
#> 3                           0.225{1}                     0.225   0.225
#> 4                           0.271{1}                     0.271   0.271
#> 5 -0.706{1}-0.708{1}0.248{3}0.298{3} -0.706 -0.708 0.248 0.298   0.298

这种方法的一个问题是，我的真实数据的某些字段既包含空值（“.”）又包含数字，例如“0.55{1}.{3}”

as.numeric（）

将“.”转换为NA，并且

max（c（0.55，NA））

返回NA，而不是0.55。因此，如果存在空值，则变异工作流将以错误的p_max结束。。。我在重复它，但会喜欢更多的建议！首先，

NULL

和

NA

在R中是不同的东西，所以谈论“NULL”值很容易混淆。实际上，将数据存储为

NA

比

NULL

或用于表示缺失数据的任何字符串或数字更有用。在代码方面，您可以在max中使用na.rm=TRUE，但当只有时，它将返回-Inf，尽管这可以转换回na。

list_to_max <- function(character_vector) {
  numbers <- suppressWarnings(as.numeric(character_vector))
  if (all(is.na(numbers))) {
    return(".")
    } else {
      numbers %>% max(., na.rm = TRUE) %>% toString()
    }
}