文章目录

前言map(.x,.f,...),map2(.x,.y,.f,...),pmap(.I,.f,...)数据准备map()测试map2()测试pmap()测试map_lgl(),map2_lgl(),pma_lgl()map_chr(), map2_chr(), pmap_chr(),map_dbl()，map2_dbl()，pmap_dbl()map_dfr()， map2_dfr()， pmap_dfr()map_dfc()， map2_dfc()， pmap_dfc()map_if(.x,.p,.f,.else),map_at(.at.x,.p,.f,.else)说明文档中的一些例子

前言

**map()**类函数在很大程度上替代了循环的作用，并且计算中利用的多线程并行计算，多使用不但可以提高计算效率还可以让代码更加整洁。

map(.x,.f,…),map2(.x,.y,.f,…),pmap(.I,.f,…)

x,y这里可以是atomic vector(向量或矩阵)或是list(列表，数据框),长度要相等。map(x, f),map2(x,y,f),pmap(I,f)返回的是一个和x有同样长度的list.map2()中变量长度必须相同，这点没有python灵活。在pmap()函数中，I是一个list, f是个多元函数每次从list的每个原子中选一个对象进行计算。f 是一个函数，或者是一个公式例如： ~ x + 2…表示.f所需的参数。

数据准备

library(purrr)fun=function(x){x+1}funxy=function(x,y){x-y}x=c(1,5,8,9)X=list(1,2,6,5)y=c(8,4,6,2)z=c(1,4,8,6)

map()测试

x是vector的情况：

res=map(x,fun);res# [[1]]# [1] 2# # [[2]]# [1] 6# # [[3]]# [1] 9# # [[4]]# [1] 10

x包含list的情况：

res=map(X,fun);res# [[1]]# [1] 2# # [[2]]# [1] 3# # [[3]]# [1] 7# # [[4]]# [1] 6

map2()测试

res=map2(x,y,funxy);res# [[1]]# [1] -7# # [[2]]# [1] 1# # [[3]]# [1] 2# # [[4]]# [1] 7

如果被映射变量长度不同就会报错：

y2=c(8,4)res=map2(x,y2,funxy);res# 错误: Mapped vectors must have consistent lengths:# * `.x` has length 4# * `.y` has length 2

list与vector混合的情况：

res=map2(X,y,funxy);res# [[1]]# [1] -7# # [[2]]# [1] -2# # [[3]]# [1] 0# # [[4]]# [1] 3

pmap()测试

funxyz=function(x,y,z){x+y+z}I=list(X,y,z)res=pmap(I,funxyz);res# [[1]]# [1] 10# # [[2]]# [1] 10# # [[3]]# [1] 20# # [[4]]# [1] 13

map_lgl(),map2_lgl(),pma_lgl()

返回逻辑向量

library(purrr)fun=function(x){x>1}funxy=function(x,y){x>y}funxyz=function(x,y,z){x>y-z}y=c(8,4,6,2)x=c(1,5,8,9)z=c(9,5,4,6)mydata=data.frame(x,y,z)res=map_lgl(x,fun);res#[1] FALSE TRUE TRUE TRUEres=map2_lgl(x,y,funxy);res#[1] FALSE TRUE TRUE TRUEres=pmap_lgl(mydata,funxyz);res# [1] TRUE TRUE TRUE TRUE

map_chr(), map2_chr(), pmap_chr(),

返回字符串向量

library(purrr)fun=function(x){as.character(x)}funxy=function(x,y){paste0(as.character(x),as.character(y))}funxyz=function(x,y,z){paste0(as.character(x),as.character(y),as.character(z))}y=c(8,4,6,2)x=c(1,5,8,9)z=c(9,5,4,6)mydata=data.frame(x,y,z)res=map_chr(x,fun);res# "1" "5" "8" "9"res=map2_chr(x,y,funxy);res# "18" "54" "86" "92"res=pmap_chr(mydata,funxyz);res# "189" "545" "864" "926"

map_dbl()，map2_dbl()，pmap_dbl()

返回的是一个双精度向量

library(purrr)fun=function(x){x+0.11}funxy=function(x,y){x-y+0.69}funxyz=function(x,y,z){x-y-z-0.554}y=c(8,4,6,2)x=c(1,5,8,9)z=c(9,5,4,6)mydata=data.frame(x,y,z)res=map_dbl(x,fun);res# [1] 1.11 5.11 8.11 9.11res=map2_dbl(x,y,funxy);res# [1] -6.31 1.69 2.69 7.69res=pmap_dbl(mydata,funxyz);res# [1] -16.554 -4.554 -2.554 0.446

map_dfr()， map2_dfr()， pmap_dfr()

返回一个dataframe, 是由每个f(x)输出rbind后的结果，因此也需要f的返回是一个dataframe。

library(purrr)fun=function(x){data.frame(var1=x+0.11,var2=x)}funxy=function(x,y){data.frame(var1=x-y+0.69,var2=x)}funxyz=function(x,y,z){data.frame(var1=x-y-z-0.554,var2=x+y+z)}y=c(8,4,6,2)x=c(1,5,8,9)z=c(9,5,4,6)mydata=data.frame(x,y,z)res=map_dfr(x,fun);res# var1 var2# 1 1.11 1# 2 5.11 5# 3 8.11 8# 4 9.11 9res=map2_dfr(x,y,funxy);res# var1 var2# 1 -6.31 1# 2 1.69 5# 3 2.69 8# 4 7.69 9res=pmap_dfr(mydata,funxyz);res# var1 var2# 1 -16.554 18# 2 -4.554 14# 3 -2.554 18# 4 0.446 17

map_dfc()， map2_dfc()， pmap_dfc()

返回一个dataframe, 是由每个f(x)输出cbind后的结果，因此也需要f的返回是一个可以被cbind的输出。

library(purrr)fun=function(x){data.frame(var1=x+0.11,var2=x)}funxy=function(x,y){c(x-y+0.69,x)}funxyz=function(x,y,z){data.frame(var1=x-y-z-0.554,var2=x+y+z)}y=c(8,4,6,2)x=c(1,5,8,9)z=c(9,5,4,6)mydata=data.frame(x,y,z)res=map_dfc(x,fun);res# var1 var2 var11 var21 var12 var22 var13 var23# 1 1.11 1 5.115 8.118 9.119res=map2_dfc(x,y,funxy);res# # A tibble: 2 x 4# V1 V2 V3 V4# <dbl> <dbl> <dbl> <dbl># 1 -6.31 1.69 2.69 7.69# 2 1589 res=pmap_dfc(mydata,funxyz);res# var1 var2 var11 var21 var12 var22 var13 var23# 1 -16.554 18 -4.554 14 -2.554 18 0.446 17

map_if(.x,.p,.f,.else),map_at(.at.x,.p,.f,.else)

这里.p是判断函数，.f是判断为真的执行语句，.else是判断为假的执行语句，.at可以是字符串或者数值索引，表示对.x中这些对象起作用。注意这里的作用单元是list或vector中的每个原子，而非横向地从每个原子中取元素执行。

library(purrr)fun=function(x){sum(x)>8}x=c(1,5,8,9)y=c(9,8,5,3)z=c(-1,-2,5,3)mydata=data.frame(x=x,y=y,z=z)res=map_if(.x=x,.p=fun,.f=~'right',.else=~'wrong');res# [[1]]# [1] "wrong"# # [[2]]# [1] "right"# # [[3]]# [1] "right"# # [[4]]# [1] "right"res=map_if(.x=mydata,.p=fun,.f=sum,.else=~'wrong');res# $x# [1] 23# # $y# [1] 20# # $z# [1] "wrong"res=map_at(.at=2:3,.x=x,.p=fun,.f=~'right',.else=~'wrong');res# [[1]]# [1] 1# # [[2]]# [1] "right"# # [[3]]# [1] "right"# # [[4]]# [1] 9res=map_at(.at=2:3,.x=mydata,.p=fun,.f=~'right',.else=~'wrong');res# $x# [1] 1 5 8 9# # $y# [1] "right"# # $z# [1] "right"

说明文档中的一些例子

1:10 %>%map(rnorm, n = 10) %>%map_dbl(mean)# Or use an anonymous function1:10 %>%map(function(x) rnorm(10, x))# Or a formula1:10 %>%map(~ rnorm(10, .x))# Using set_names() with character vectors is handy to keep track# of the original inputs:set_names(c("foo", "bar")) %>% map_chr(paste0, ":suffix")# Supply multiple values to index deeply into a listl2 <- list(list(num = 1:3,letters[1:3]),list(num = 101:103, letters[4:6]),list())l2 %>% map(c(2, 2))# A more realistic example: split a data frame into pieces, fit a# model to each piece, summarise and extract R^2mtcars %>%split(.$cyl) %>%map(~ lm(mpg ~ wt, data = .x)) %>%map(summary) %>%map_dbl("r.squared")# If each element of the output is a data frame, use# map_dfr to row-bind them together:mtcars %>%split(.$cyl) %>%map(~ lm(mpg ~ wt, data = .x)) %>%map_dfr(~ as.data.frame(t(as.matrix(coef(.)))))# (if you also want to preserve the variable names see# the broom package)

如果觉得《R语言中的函数5：purrr:map()》对你有帮助，请点赞、收藏，并留下你的观点哦！