map函数能代替原来的数据框吗？

Question

我有三个变量RR1234，RR5678，RR0135：

RR1234   <- rnorm(100, 2, 3)
RR5678    <-  rnorm(100,3,4)
RR0135    <- rnorm(100,4,5)  
x   <- data.frame(RR1234,RR5678,RR0135)

我有一个修剪x的函数

done   <- function(x){
   x[x > 1] = NA
   return(x)
}

我想修剪RR1234和RR5678

c(x$RR1234,x$RR5678) %>% map(done)

但x中的数据保持不变。

我也尝试过：

x   <-  x %>%  select(RR1234,RR5678) %>% map(done)

虽然前两个变量运行良好，但第三个变量RR0135消失了。

有没有什么方便的方法来替换x中的这两个变量

Answer 1

让我们来看看您尝试过的内容：

c(x$RR1234,x$RR5678) %>% map(done)

这将在x上执行操作，但不会更改x的内容。除非将操作分配回x，否则x的内容不会更改。

x   <-  x %>%  select(RR1234,RR5678) %>% map(done)

这行代码确实更改了x，但是来自dplyr的select动词意味着您只包含这两列。其他列已从操作中丢弃。如果您想要更改这两列，而不是第三列，您可以这样做。这里有两种方法。两者都不使用map()。

# Generate the data using set.seed to make it reproducible
set.seed(1)
RR1234   <- rnorm(100, 2, 3)
RR5678    <-  rnorm(100,3,4)
RR0135    <- rnorm(100,4,5)  
x   <- data.frame(RR1234,RR5678,RR0135)

使用base R功能，您可以使用$ to subset将新值分配给data.frame列，而无需更改任何其他内容。这适用于任何其他类型的子集。

# base R
x$RR1234 <- done(x$RR1234)
x$RR5678 <- done(x$RR5678)

使用dplyr 1.0版或更高版本，您可以使用以下内容。mutate(across(...))结构允许您根据向across传递条件和函数来更改多个列。

x %>% mutate(across(c("RR1234", "RR5678"), done))

Answer 2

我建议你使用dplyr的across()。当你想转换一些变量时，最好使用mutate()。代码如下：

library(dplyr)
#Data
RR1234   <- rnorm(100, 2, 3)
RR5678    <-  rnorm(100,3,4)
RR0135    <- rnorm(100,4,5)  
x   <- data.frame(RR1234,RR5678,RR0135)
#Function
done   <- function(x){
  x[x > 1] = NA
  return(x)
}
#Code
x2 <- x %>%  mutate(across(RR1234:RR5678,~done(.)))

输出：

         RR1234     RR5678      RR0135
1    0.94194089         NA  13.0713017
2   -0.33647069 -2.3019341   9.4639157
3            NA -0.5368949  -6.4242588
4            NA         NA   4.4593853
5            NA         NA   0.6853094
6            NA         NA   7.6834331
7            NA         NA   1.8147963
8   -0.41588192         NA   9.3598014
9    0.76115066         NA  10.8331170
10           NA         NA   4.7973967
11           NA -2.3059266  -7.7575549
12           NA         NA   1.8152209
13           NA         NA  -0.9860351
14           NA         NA  12.1584945
15  -2.24455694  0.6763838  -4.2775746
16           NA         NA  -0.4178979
17           NA         NA  11.2213595
18           NA         NA  -2.2960382
19           NA         NA   0.3525616
20           NA -2.0038667   2.9802946
21           NA  0.7472525   4.0493003
22           NA         NA  13.6511832
23           NA         NA   6.5547820
24           NA -2.2045896   1.2317368
25  -0.62548661 -0.8736796   0.5770349
26           NA  0.4075356   9.2716612
27           NA         NA   4.1747139
28           NA         NA  -7.3872696
29   0.94287484 -8.0979632   0.5209943
30           NA -3.9503837   4.1438962
31  -2.74859617         NA   4.0467313
32           NA         NA   9.4205472
33           NA         NA -10.1071739
34           NA         NA  13.7521859
35  -1.15968127         NA  -4.0899815
36           NA         NA   7.7387901
37  -2.45832478         NA  -5.6710160
38  -3.09780799 -2.4786657  -4.1983864
39           NA         NA   8.0691432
40   0.44259503         NA  -2.4539690
41           NA         NA  -4.2937684
42           NA         NA  -3.4187835
43  -1.67688948         NA   5.2468200
44           NA  0.1528275  -6.1676265
45           NA         NA   6.5787688
46           NA         NA   1.2673593
47  -5.77722184         NA   6.7476928
48  -0.71438036 -0.6985110   1.1490648
49  -2.69295812         NA   2.7580518
50           NA         NA   6.7804525
51           NA         NA  -1.0621607
52           NA         NA   3.7175144
53           NA         NA   6.3843942
54           NA         NA   8.3657269
55  -1.46609589         NA  -2.5650315
56           NA -9.7247597  -1.0451021
57           NA         NA  11.2932211
58  -0.38620085         NA   6.5005979
59           NA         NA   2.5991516
60  -0.63715413         NA   2.9463852
61   0.12413129 -0.2764512  13.8596677
62           NA -3.5446673  -0.5171467
63           NA         NA   3.9371540
64  -0.31371041         NA   8.9294396
65  -1.18244591         NA   8.4827556
66  -4.83866907         NA   3.9618274
67           NA         NA  10.1643994
68  -0.75624474         NA  -3.2039191
69  -3.62029427         NA  -1.8827352
70           NA         NA   3.3186486
71           NA -2.9736113   4.0444030
72           NA         NA   5.6982921
73  -1.35997829  0.9391924   4.2699128
74  -3.48608075         NA  -2.0635431
75  -6.89075863 -5.9582709   0.4530760
76           NA  0.2738838  -3.4495561
77  -4.11640879 -1.6386795   8.9934335
78  -4.49512380         NA  -4.5578025
79  -2.66125238 -2.1222533   1.7672672
80           NA  0.3992611   1.6496420
81           NA         NA  -4.8627943
82  -0.41373126 -3.4452060  -2.9630815
83  -1.74671667         NA   2.0555012
84  -0.58334242         NA   6.2798613
85           NA         NA   2.1313488
86           NA         NA  15.9778175
87  -1.08969338         NA  -5.5826951
88           NA -2.4728756   4.6548008
89           NA -5.0936805  10.6863344
90           NA         NA   6.3066017
91           NA         NA   3.7410041
92           NA         NA  -4.8135729
93           NA         NA   9.3064735
94  -0.04695171         NA   4.4903433
95           NA         NA  11.7926356
96           NA         NA   4.7113170
97  -4.08935228         NA   7.9562516
98           NA         NA  13.9372643
99           NA         NA   1.6008497
100          NA         NA   5.4534442

Answer 3

我很惊讶你正在使用purrr::map和magrittr/tidyverse管道%>%，但对dplyr::mutate并不熟悉，因为这两个包通常是一起教授的，而dplyr是最先教授的。

dplyr::mutate(x, across(c(RR1234, RR5678), done))