dplyr：忽略函数输入的分组变量

Question

我试图在某些组上使用tidyverse工具（而不是for循环），以使用mvabund软件包中的过程进行评估。

基本上，对于该过程，我首先需要一个仅包含数字列（物种丰富度）的数据框，然后将下游过程的变量分组。

但是，如果要对多个分组执行此操作，则需要包括分组变量。 但是，当使用group_by这些非数字变量仍然存在，该过程将无法运行。

如何使用dplyr将数字变量传递给（mvabund）函数？

如果我只是一组，则过程如下：

library(tidyverse)
library(mvabund)    
df <- data.frame(Genus.species1 = rep(c(0, 1), each = 10), 
                        Genus.species2 = rep(c(1, 0), each = 10),
                        Genus.species3 = sample(1:100,20,replace=T),
                        Genus.species4 = sample(1:100,20,replace=T),
                        GroupVar1 = rep(c("Site1", "Site2"), each=2, times=5),
                        GroupVar2 = rep(c("AA", "BB"), each = 10), 
                        GroupVar3 = rep(c("A1", "B1"), times=10))

df1 <- filter(df, GroupVar2 == "AA" & GroupVar3 == "A1") # get desired subset/group
df2 <- select(df1, -GroupVar1, -GroupVar2, -GroupVar3) # retain numeric variables

MVA.fit <- mvabund(df2) # run procedure
MVA.model <- manyglm(MVA.fit ~ df1$GroupVar1, family="negative binomial") # here I need to bring back GroupVar1 for this procedure
MVA.anova <- anova(MVA.model, nBoot=1000, test="wald", p.uni="adjusted")
MVA.anova$table[2,] # desired result

我尝试使用map ， do ， nest等均无济于事。

没有分组，这个作品

df.t <- as_tibble(df)
nest.df <- df.t %>% nest(-GroupVar1, -GroupVar2, -GroupVar3)
mva.tt <- nest.df %>%
      mutate(mva.tt = map(data, ~ mvabund(.x)))

但是下一步不

mva.tt %>%  mutate(MANY = map(data, ~ manyglm(.x ~ GroupVar1, family="negative binomial")))

而且，一旦我尝试删除总和为零或包含分组的列，一切都会失败。

使用dplyr和管道可以实现这一dplyr吗？ 还是for loop是答案？

编辑：最初，我问过这个问题：此外，当分成几组时，数据框将包含全为零的列，通常我会删除这些列。 我可以在变量数量上有不同的dplyr分组吗？”但是评论显示，鉴于我建议的设置，这是不可能的。因此，我仍然对以上内容感兴趣。

Answer 1

将步骤复制到一个函数中。 还添加了组信息以在最后一行中区分。

fun <- function(df) {
   df1 <- select(df, -GroupVar1, -GroupVar2, -GroupVar3) 
   df3 <- df1 %>% select_if(~sum((.)) > 0) 
   MVA.fit <- mvabund(df3) 
   MVA.model <- manyglm(MVA.fit ~ df$GroupVar1, family="negative binomial") 
   MVA.anova <- anova(MVA.model, nBoot=1000, test="wald", p.uni="adjusted")
   cbind(Group2 = df$GroupVar2[1], Group3 = df$GroupVar3[1], MVA.anova$table[2,])
}

将数据框分成几组并应用功能

library(tidyverse)
library(mvabund)   

df %>%
  group_split(GroupVar2, GroupVar3) %>%
  map_dfr(fun)

#Time elapsed: 0 hr 0 min 0 sec
#Time elapsed: 0 hr 0 min 0 sec
#Time elapsed: 0 hr 0 min 0 sec
#Time elapsed: 0 hr 0 min 0 sec
#  Group2 Group3 Res.Df Df.diff     wald Pr(>wald)
#1     AA     A1      3       1 1.028206 0.7432567
#2     AA     B1      3       1 2.979169 0.1608392
#3     BB     A1      3       1 2.330708 0.2137862
#4     BB     B1      3       1 1.952617 0.2567433