如何使用purrr:：map with dataframe list来修改特定数据帧中的列值，而不更改列表中的其他数据帧？

我有许多数据帧的列表（

survey08

，

survey09

，

survey10

等）称为

df_list

每个数据框包含两列，分别命名为

year

和

employed

#创建3个具有相同列名的数据帧
survey08您可以使用
purrr:：map_at
，它只修改由名称或位置给出的元素

df_list %>% 
  map_at(c("survey08", "survey09"),
         ~ filter(.x, year %in% 2008:2009)) %>% 
  map_at(c("survey08", "survey09"),
         ~ .x %>% mutate_at(vars(employed), 
         ~ recode_factor(.,`1` = "yes", `2` = "no")))

$`survey08`
  year employed
1 2008      yes
2 2008       no
3 2008       no
4 2008      yes
5 2008       no

$survey09
  year employed
1 2009      yes
2 2009      yes
3 2009      yes
4 2009       no
5 2009      yes

$survey10
  year employed
1 2010        2
2 2010        1
3 2010        1
4 2010        1
5 2010        1

使用
filter
将删除要保留的其他data.frames。如果

而不是

映射

，则需要

映射。然后，您可以使用
.p
来识别要在其上执行映射功能的项目

df_list %>% 
   map_if(., 
      .f = ~ .x %>% mutate_at(vars(employed), ~recode_factor(.,`1` = "yes", `2` = "no")), 
      .p = c(T,T,F))

或

如果您已经知道要执行操作的列表，为什么不只对这些列表进行子集并重新编码呢

library(tidyverse)

df_list[c("survey08", "survey09")] <- df_list[c("survey08", "survey09")] %>%
  map(~ .x %>% mutate_at(vars(employed), ~recode_factor(.,`1` = "yes", `2` = "no")))


df_list
#$survey08
#  year employed
#1 2008      yes
#2 2008       no
#3 2008       no
#4 2008      yes
#5 2008       no

#$survey09
#  year employed
#1 2009      yes
#2 2009      yes
#3 2009      yes
#4 2009       no
#5 2009      yes

#$survey10
#  year employed
#1 2010        2
#2 2010        1
#3 2010        1
#4 2010        1
#5 2010        1

库（tidyverse）
df_列表[c（“调查08”、“调查09”）]%
map（~.x%>%mutate_at（变量（已使用），~recode_因子（，'1`=“是”，“2`=“否”））
df_列表
#$survey08
#雇佣年份
#1 2008年是的
#2008年第2号
#2008年第3号
#4 2008是的
#2008年第5号
#$survey09
#雇佣年份
#1 2009是的
#2 2009是的
#3 2009是的
#2009年第4号
#5 2009是的
#$survey10
#雇佣年份
#1 2010        2
#2 2010        1
#3 2010        1
#4 2010        1
#5 2010        1
使用
lappy
和用户定义函数的基本R解决方案，评估
年份是否小于
2010

df_list2 <- lapply(df_list, function(x){
  if (unique(x$year) < 2010){
    x$employed <- as.character(factor(x$employed, levels = c(1, 2), labels = c("yes", "no")))
  }
  return(x)
})

df_list2
# $survey08
#   year employed
# 1 2008      yes
# 2 2008       no
# 3 2008       no
# 4 2008      yes
# 5 2008       no
# 
# $survey09
#   year employed
# 1 2009      yes
# 2 2009      yes
# 3 2009      yes
# 4 2009       no
# 5 2009      yes
# 
# $survey10
#   year employed
# 1 2010        2
# 2 2010        1
# 3 2010        1
# 4 2010        1
# 5 2010        1

df_list 2是否需要同时使用
map_at（）
语句？似乎只适用于：
df\u list%>%map\u at（c（“survey08”、“survey09”）、~.x%>%mutate\u at（vars（employed）”、~recode\u factor（，
1`=“yes”、
2
=“no”）、@JohnnySullivan这是不必要的。我不确定
过滤器的用途，所以保持原样。
df_list2 <- lapply(df_list, function(x){
  if (unique(x$year) < 2010){
    x$employed <- as.character(factor(x$employed, levels = c(1, 2), labels = c("yes", "no")))
  }
  return(x)
})

df_list2
# $survey08
#   year employed
# 1 2008      yes
# 2 2008       no
# 3 2008       no
# 4 2008      yes
# 5 2008       no
# 
# $survey09
#   year employed
# 1 2009      yes
# 2 2009      yes
# 3 2009      yes
# 4 2009       no
# 5 2009      yes
# 
# $survey10
#   year employed
# 1 2010        2
# 2 2010        1
# 3 2010        1
# 4 2010        1
# 5 2010        1