R 在不使用嵌套应用的情况下在列和行上映射函数

我有两个数据帧和一个向量，如下所示：

set.seed(420)

df1 <- data.frame(matrix(rexp(50), nrow = 10, ncol = 5))
names(df1) <- paste0(rep("variable_", 5), 1:5)

df2 <- data.frame(matrix(rexp(50), nrow = 10, ncol = 5))
names(df2) <- paste0(rep("variable_", 5), 1:5)

vector1 <- data.frame(variable_a = rexp(10))

这为我提供了如下所需的输出：

# A tibble: 1 x 5
     X1    X2    X3    X4    X5
  <dbl> <dbl> <dbl> <dbl> <dbl>
1  57.3  29.3  25.3  51.0  37.8

#一个tible:1 x 5
x1x2x3x4x5
1  57.3  29.3  25.3  51.0  37.8

---

有没有办法重写map函数以避免嵌套

不需要映射或列表，只需在基R中的整个对象上运行算术。等长加法只需在下面的

rep

中为每列重复向量1 5次

(x + y) ^ z
...
(df1 + rep(vector1, length(df1))) ^ df2

要返回最终的列总和，请运行

colSums

，它是

apply（…，2，sum）

的包装器。但与评论中的@nicola类似，我无法从发布的值复制您想要的结果

result <- (df1 + rep(vector1, length(df1))) ^ df2

colSums(result)
# variable_1 variable_2 variable_3 variable_4 variable_5 
#   15.08225  125.27506   13.09822   22.49251   30.75699 

apply(result, 2, sum)
# variable_1 variable_2 variable_3 variable_4 variable_5 
#   15.08225  125.27506   13.09822   22.49251   30.75699

---

我从你发布的内容中得到不同的值。不管怎样，只要

Map（simple_function，df1，vector1，df2）

有什么不对？如果您严格需要一个框架，那么

as.data.frame（Map（…）

，因为

Map

返回一个列表。很好，@nicola.你想要

pmap\u df（list（df1，list（vector1），df2），简单的函数）

？我想@aosmith的解决方案就是你想要做的。它之所以有效是因为

pmap（）

需要一个列表列表，并且所有列表的长度必须相同或等于1（在这种情况下，它们是循环使用的）。如果在将所有3个对象放入列表之前不将向量放入

list（）

，则它将不起作用，因为

df1

和

df2

的长度是列数（因为数据帧是向量列表），但向量的长度是其元素数。一旦你把你的向量放到一个列表中，这个列表的长度是1，它会被循环使用。换句话说，将

list（df1，vector1，df2）

传递到

pmap（）

中是不起作用的，因为

vector1

与数据帧的长度不同，如果碰巧它的长度相同，在每次迭代中使用向量的每个元素时，您根本不会得到您期望的结果。通过将

vector1

本身传递到

list（）

，它将成为一个1的列表，在每次迭代中循环使用。

result <- (df1 + rep(vector1, length(df1))) ^ df2

colSums(result)
# variable_1 variable_2 variable_3 variable_4 variable_5 
#   15.08225  125.27506   13.09822   22.49251   30.75699 

apply(result, 2, sum)
# variable_1 variable_2 variable_3 variable_4 variable_5 
#   15.08225  125.27506   13.09822   22.49251   30.75699

simple_function <- function(x,y,z) {
  sum((x + y) ^ z)
}
mapply(simple_function, df1, vector1, df2)
# variable_1 variable_2 variable_3 variable_4 variable_5 
#   15.08225  125.27506   13.09822   22.49251   30.75699

Map(simple_function, df1, vector1, df2)
# $variable_1
# [1] 15.08225

# $variable_2
# [1] 125.2751

# $variable_3
# [1] 13.09822

# $variable_4
# [1] 22.49251

# $variable_5
# [1] 30.75699