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:使用purrr在多个列表上(非同时)迭代?,r,purrr,R,Purrr,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 %>
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)))
})