R 在TIBLE的不同级别应用函数

我有以下几点：

library(tidyverse)

set.seed(1234)

df <- tibble(
  x1 = letters[1:2],
  y1 = list(
    tibble(
      x2 = letters[3:4],
      y2 = list(
        tibble(
          x3 = seq(1, 100, 1),
          y3 = rnorm(100)
        )
        )
      )
    )
)

库（tidyverse）
种子集（1234）
df您需要找到要应用函数的级别（我通过括号索引来实现），然后应用函数。我希望这可以转移到你需要做的事情上

> df[["y1"]][[1]][[2]] %>% lapply(., function(x){mean(x$y3)})

[[1]]
[1] 0.04124318

[[2]]
[1] 0.04124318

你能不能快点下来

 df %>% unnest() %>% unnest() %>% 
   group_by(x2) %>% 
   summarise(mean(y3))

# A tibble: 2 x 2
  x2    `mean(y3)`
  <chr>      <dbl>
1 c         -0.157
2 d         -0.157

df%>%unest（）%%>%unest（）%%>%
分组依据（x2）%>%
总结（平均值（y3））
#一个tibble:2x2
x2`平均值（y3）`
1c-0.157
2d-0.157

不确定您希望最终数据帧的外观如何，但这里有另一个建议

 df %>% unnest() %>% 
   mutate(y3.average = map(y2, ~mean(.$y3)) ) %>% 
   unnest(y3.average)

# A tibble: 4 x 4
  x1    x2    y2                 y3.average
  <chr> <chr> <list>                  <dbl>
1 a     c     <tibble [100 × 2]>     -0.157
2 a     d     <tibble [100 × 2]>     -0.157
3 b     c     <tibble [100 × 2]>     -0.157
4 b     d     <tibble [100 × 2]>     -0.157

df%>%unest（）%>%
变异（y3.average=map（y2，~mean（.$y3）））%>%
不合理（y3.平均值）
#一个tibble:4x4
x1 x2 y2 y3.5平均值
1a c-0.157
2 a d-0.157
3 b c-0.157
4bd-0.157
使用提供的数据，我无法复制您提供的答案。