输入的每一行数据的map_dfc

Question

我开始学习"purrr“库的用法，并想知道如何使用以下内容：

目标

将函数应用于以输入为列的dataframe的每一行，并将函数输出绑定为输入数据row中的列。

Idea

从文档来看，map_dfc似乎是一个完美的函数。

尝试解决方案

library(purrr)
library(dplyr)

test_func <- function(n, lambda){
  return(n+lambda)
}

n <- seq(1,10,1)
lambda <- seq(1, 10, 1)

new_df <- list(n=n,lambda=lambda) %>% cross_df()

new_df <- map_dfc(new_df, test_func)
# even tried the below
# new_df <- map_dfc(new_df, ~test_func) 

误差

Error in .f(.x[[i]], ...) : argument "lambda" is missing, with no default

Answer 1

purrr的方式--看起来**--将是invoke的使用

new_df %>% 
  mutate(new_col = invoke(test_func, new_df))
# A tibble: 100 x 3
#       n lambda new_col
#   <dbl>  <dbl>   <dbl>
# 1     1      1       2
# 2     2      1       3
# 3     3      1       4
# 4     4      1       5
# 5     5      1       6
# 6     6      1       7
# 7     7      1       8
# 8     8      1       9
# 9     9      1      10
#10    10      1      11
# … with 90 more rows

在帮助文件中：

这对函数使组合函数和参数列表更容易获得结果。invoke是do.call的包装器，便于在管道中使用。

所以invoke(test_func, new_df)和

test_func(new_df[[1]], new_df[[2]])

**帮助文件还说

​

没有purrr包

do.call(test_func, new_df)

Answer 2

您需要使用map2_*系列函数，因为您要在两列上使用walk：

map2_dfc(new_df[1],new_df[2],test_func)

编辑您可以使用base的Reduce实现同样的功能。

 Reduce(test_func,new_df)
 #[1]  2  3  4  5  6  7  8  9 10 11

purrr输出:您可以根据需要重命名您的列：

     n
   <dbl>
 1     2
 2     3
 3     4
 4     5
 5     6
 6     7
 7     8
 8     9
 9    10
10    11