使用purrr在多个列表上（非同时）迭代？

我想创建几个数据帧，这些数据帧使用数据集中的三个变量进行过滤：

state

是一个分类变量，有两个可能的值--

va

和

az

；

log\u aa\u 3r

和

log\u lat\u 3r

都是连续的数字变量

我想以4个数据帧结束：每个状态2个，每个状态的dfs都将被过滤，这样一个具有

log\u aa\u 3r

有限的所有情况，另一个具有

log\u lat\u 3r

有限的所有情况

我可以按如下方式手动执行此操作：

library(tidyverse)
az_aa <- combine_dat %>%
  filter(state == "az" & is.finite(log_aa_3r))

az_lat <- combine_dat %>%
  filter(state == "az" & is.finite(log_lat_3r))

va_aa <- combine_dat %>%
  filter(state == "va" & is.finite(log_aa_3r))

va_lat <- combine_dat %>%
  filter(state == "va" & is.finite(log_lat_3r))

---

这里有一种方法可以做到这一点。首先，您可以使用

tidyr:：crossing

states <- c('az', 'va')
use_vars <- c('log_aa_3r', 'log_lat_3r')
conditions <- tidyr::crossing(states, use_vars)

---

这里我们使用拼接（

！！

）插入值，并使用

sym（）

将变量名的字符串版本转换为符号

谢谢！我不熟悉拼接或

sym

功能。你的解决方案比我想出的要干净得多。

comb_test <- structure(list(state = c("az", "az", "va", "az", "az", "va", 
"va", "az", "va", "va", "az", "az", "az", "va", "az", "az", "va", 
"az", "az", "va"), log_aa_3r = c(0.122043015617762, NaN, 0.418616817019589, 
NaN, -0.237849698703905, 0.11553768471152, NA, -Inf, 0.253046912790677, 
0.71751672463271, -Inf, -Inf, -Inf, 0.125839047001367, -Inf, 
0.372823951010564, 0.43784426926065, -Inf, -Inf, NA), log_lat_3r = c(0.0393482723090127, 
-0.352428653057281, -0.0641399653902218, -0.306485199414877, 
-0.696871579650928, -0.191460177039553, NA, -0.361114213161674, 
-0.0786756534620034, 0.216382765848136, 0.0344915670084646, 0.00130866713103227, 
0.756875541289108, NA, -0.216873938300614, -0.0627820764799239, 
0.261387831919094, -0.018314845703395, -0.161990655409072, NA
)), row.names = c(NA, -20L), class = c("tbl_df", "tbl", "data.frame"
))

df2 <- 
  map(states, function(x) 
{map_at(combine_test, c("log_aa_3r", "log_lat_3r"), function(y) 
{combine_test %>%
    filter(state == x & is.finite(y))})}
  )

df_list <- list(az_aa = df2[[1]]$log_aa_3r, az_lat = df2[[1]]$log_lat_3r, 
                va_aa = df2[[2]]$log_aa_3r, va_lat = df2[[2]]$log_lat_3r)

states <- c('az', 'va')
use_vars <- c('log_aa_3r', 'log_lat_3r')
conditions <- tidyr::crossing(states, use_vars)

purrr::pmap(conditions, function(states, use_vars) {
  comb_test %>% filter(state==!!(states) & is.finite(!!sym(use_vars)))
})