从R中的CSV文件读取`.‘中定义的函数输入值

Question

假设下面有一个类似于foo的R函数。这个函数有4个固定参数，以及在...中定义的任意数量的参数。

foo参数的所有输入值都存储在这 CSV文件中。

在下面的代码中，我可以使用从foo循环中从CSV文件导入的4个固定参数成功地运行lapply。但是，我想知道如何在lapply命令中插入...中定义的参数？

foo <- function(n = NULL, r = NULL, post, control, ...){ ## the function

data.frame(n = n, r = r, post, control, ...)

}

D <- read.csv("https://raw.githubusercontent.com/izeh/i/master/j.csv", h = T) # CSV file
L <- split(D, D$study.name) ; L[[1]] <- NULL

# the fixed args values:
      n <- lapply(1:length(L), function(i) L[[i]]$n)
      r <- lapply(1:length(L), function(i) L[[i]]$r)
   post <- lapply(1:length(L), function(i) L[[i]]$post)
control <- lapply(1:length(L), function(i) L[[i]]$control)

# names of args defined in `...`:
dot.names <- names(L[[1]])[!names(L[[1]]) %in% formalArgs(foo)][-1]

# the `...` args values:
a <- lapply(dot.names, function(i) lapply(L, function(j) j[grep(i, names(j))]))

## RUN `foo` function:
lapply(1:length(L), function(i) foo(n = n[[i]], r = r[[i]], post = post[[i]], 
                                     control = control[[i]])) # BUT! how can I insert the 
                                                              # arguments defined in `...` 
                                                              # in the function?

Answer 1

我们也可以将Map与do.call结合使用。我们可以在对foo的单个调用中提取lapply的参数，方法是根据‘dot.name’的输出提取列'n‘、'r’、'post‘、控制和额外列(...)，然后从transpose (来自purrr --或者使用与提到的这里相同的方法)将其传递给Map。

args <- lapply(L, function(x) unclass(x[c("n", "r", "post", "control", dot.names)]))
library(purrr)
unname(do.call(Map, c(f = foo, transpose(args))))
#[[1]]
#   n   r post control ESL prof scope type
#1 13 0.5    1   FALSE   1    2     0    1
#2 13 0.5    2   FALSE   1    2     0    1
#3 15 0.5    1   FALSE   1    2     0    1
#4 15 0.5    2   FALSE   1    2     0    1
#5 16 0.5    1    TRUE   1    2     0    1
#6 16 0.5    2    TRUE   1    2     0    1

#[[2]]
#   n   r post control ESL prof scope type
#1 13 0.5    1   FALSE   0    1     1    0
#2 13 0.5    2   FALSE   0    1     1    0
#3 15 0.5    1   FALSE   0    1     1    0
#4 15 0.5    2   FALSE   0    1     1    0
#5 16 0.5    1    TRUE   0    1     1    0
#6 16 0.5    2    TRUE   0    1     1    0

#[[3]]
#   n   r post control ESL prof scope type
#1 13 0.5    1   FALSE   1    3     0    1
#2 13 0.5    2   FALSE   1    3     0    1
#3 13 0.5    3   FALSE   1    3     0    1
#4 15 0.5    1   FALSE   1    3     0    1
#5 15 0.5    2   FALSE   1    3     0    1
#6 15 0.5    3   FALSE   1    3     0    1
#7 16 0.5    1    TRUE   1    3     0    1
#8 16 0.5    2    TRUE   1    3     0    1
#9 16 0.5    3    TRUE   1    3     0    1

OP提到了用一个transpose选项替换base R

m1 <- simplify2array(lapply(names(args[[1]]), function(nm) 
     lapply(args, function(l1) l1[nm])))
do.call(Map, c(f = foo, unname(split(m1, col(m1)))))

如果我们可以使用tidyverse

library(tidyverse)
map(L, ~ 
       .x %>%
           select(n, r, post, control, dot.names) %>% 
           as.list) %>% 
    transpose %>% 
    pmap(., foo)
#$Ellis.sh1
#   n   r post control ESL prof scope type
#1 13 0.5    1   FALSE   1    2     0    1
#2 13 0.5    2   FALSE   1    2     0    1
#3 15 0.5    1   FALSE   1    2     0    1
#4 15 0.5    2   FALSE   1    2     0    1
#5 16 0.5    1    TRUE   1    2     0    1
#6 16 0.5    2    TRUE   1    2     0    1

#$Goey1
#   n   r post control ESL prof scope type
#1 13 0.5    1   FALSE   0    1     1    0
#2 13 0.5    2   FALSE   0    1     1    0
#3 15 0.5    1   FALSE   0    1     1    0
#4 15 0.5    2   FALSE   0    1     1    0
#5 16 0.5    1    TRUE   0    1     1    0
#6 16 0.5    2    TRUE   0    1     1    0

#$kabla
#   n   r post control ESL prof scope type
#1 13 0.5    1   FALSE   1    3     0    1
#2 13 0.5    2   FALSE   1    3     0    1
#3 13 0.5    3   FALSE   1    3     0    1
#4 15 0.5    1   FALSE   1    3     0    1
#5 15 0.5    2   FALSE   1    3     0    1
#6 15 0.5    3   FALSE   1    3     0    1
#7 16 0.5    1    TRUE   1    3     0    1
#8 16 0.5    2    TRUE   1    3     0    1
#9 16 0.5    3    TRUE   1    3     0    1

更新

基于示例显示的这里，结构略有不同，因此我们可以将list转换为names (对于base R)。

argsT <- setNames(lapply(names(args[[1]]), 
      function(nm) lapply(args, `[[`, nm)), names(args[[1]]))


out1 <- unname(do.call(Map, c(f = d.prepos, argsT)))
out2 <- unname(do.call(Map, c(f = d.prepos, purrr::transpose(args))))
identical(out1, out2)
#[1] TRUE

Answer 2

对于这类问题，请使用mapply。

在下面的代码中，我改变了您定义n、r、post和control的方式。

n <- lapply(L, `[[`, 'n')
r <- lapply(L, `[[`, 'r')
post <- lapply(L, `[[`, 'post')
control <- lapply(L, `[[`, 'control')

唯一的区别是这些结果有它们的names属性集。

然后还更改列表a的创建方式。交换这两个周期。

a <- lapply(L, function(i) lapply(dot.names, function(k) i[grep(k, names(i))]))

现在解决问题的办法。设置SIMPLIFY = FALSE是强制性的，默认的TRUE提供了非常糟糕的输出。

mapply(FUN = foo, n, r, post, control, a, SIMPLIFY = FALSE)