在map函数中使用条件变异多个列

Question

我想用ifelse()-condition为多个数据帧创建几个列。下面是我的示例代码：

df1 <- tibble( 
date = lubridate::today() +0:9,
return= runif(n = 10, min = 0, max = 5))

df2 <- tibble( 
date = lubridate::today() +0:9,
return= runif(n = 10, min = 0, max = 5))

df3 <- tibble( 
date = lubridate::today() +0:9,
return= runif(n = 10, min = 0, max = 5))

现在，我想添加具有升序条件(从1到5)的新列。第一列应该只包含大于1的“-column”返回值，第二列应该只包含大于1.5的值，第三列应该只包含大于2的值，依此类推……

例如，我可以使用For循环来做这件事。但这只适用于一个数据帧：

for(i in seq(1, 5, 0.5)){
varname =paste0("return>",i)
df1[[varname]] <- with(df1, ifelse(return > i, return, NA))
}

> head(df1)
# A tibble: 6 x 12
date       return `return > 0.5 s~ `return > 1 sd` `return > 1.5 s~ `return > 2 sd` `return > 2.5 s~
<date>      <dbl>            <dbl>           <dbl>            <dbl>           <dbl>            <dbl>
1 2019-03-09  4.94             4.94             4.94             4.94            4.94             4.94
2 2019-03-10  0.936            0.936           NA               NA              NA               NA   
3 2019-03-11  0.770            0.770           NA               NA              NA               NA   
4 2019-03-12  1.03             1.03             1.03            NA              NA               NA   
5 2019-03-13  3.34             3.34             3.34             3.34            3.34             3.34
6 2019-03-14  0.983            0.983           NA               NA              NA               NA   
# ... with 5 more variables: `return > 3 sd` <dbl>, `return > 3.5 sd` <dbl>, `return > 4 sd` <dbl>,
#   `return > 4.5 sd` <dbl>, `return > 5 sd` <dbl>

下面是为一个数据帧获取所需输出的另一个代码：

n <- seq(0.5, 5, 0.5)
df1[paste0("return > ", n, " sd")] <- lapply(n, function(x) 
replace(df1$return, df1$return <= x, NA))

我的问题是，如何将此代码放入map-function (或另一个函数)中，以便为所有3个数据帧运行此代码？

Answer 1

将所有数据帧放在一个列表中，并创建一个函数来返回新列

df_list <- list(df1, df2, df3)

return_new_cols <- function(df1) { 
  n <- seq(0.5, 5, 0.5)
  df1[paste0("return > ", n, " sd")] <- lapply(n, function(x) 
                            replace(df1$return, df1$return <= x, NA))
  df1
}

现在将return_new_cols函数应用于列表中的每个数据帧

lapply(df_list, return_new_cols)

你可以用purrr::map代替lapply来实现同样的效果

purrr::map(df_list, return_new_cols)