[英]Pipe result from map_dfr to a subsequent map_dfr to apply custom fuction to groups of data
我想将某个 function (即下面的AddLags
)应用于 dataframe 的组。 为了实现这一点,我尝试使用两个连续map_dfr
(一个到另一个),以便应用各自的过滤器。 对于最后一步,我正在应用自定义 function(前面提到过) - 使用map_dfr
(在新对象中捕获新计算的 output 数据)。
我到目前为止的代码如下:
# dummy dataset
df <- data.frame(
date = seq(today(),length.out=12,by='month'),
dim1 = c('a','a','a','b','b','b','c','c','c','d','d','d'),
dim2 = c(1,1,1,1,1,1,2,2,2,2,2,2),
value = 1:12
)
# function to apply
AddLags <- function(df,lags_vector,target_col,date_col){
temp_lags <- map_dfc(lags_vector,
~ df %>%
arrange({{date_col}}) %>%
transmute(
across(contains(target_col), lag, .x, .names = '{col}_lag_{ifelse(.x<10,paste0("0",.x),.x)}')
)
)
return(temp_lags)
}
# prepare for map_dfr approach
lags_features <- c(1,2)
dims1 <- df %>% pull(dim1) %>% unique %>% sort
dims2 <- df %>% pull(dim2) %>% unique %>% sort
# what I am struggling with
map_dfr(dims1,
~ df %>%
filter(dim1==.x) %>%
map_dfr(dims2,
~ . %>%
filter(dim2==.x) %>%
AddLags(lags_features,variable,date)
)
)
# how the loop version would look like
gather_results <- data.frame()
for(d1 in dims1){
for(d2 in dims2){
tempdata <- df %>% filter(dim1==d1,dim2==dim2) %>% arrange(date)
temp <- AddLags(tempdata)
gather_results %<>% bind_rows(temp)
}
}
本质上,我正在遍历不同的组(通过过滤)并分别应用自定义 function,同时尝试使用map_dfr
来合并新计算的结果。
我想知道如何实现上述目标(假设这是可行的)以及我缺少什么,因为目前我得到的只是一个空的 dataframe。
奖金问题:在我写这篇文章时,我意识到必须有更好的方法来代替循环 - 例如使用group_by
- 但考虑到问题的性质以及 function 输出新数据的事实,我我不确定这会是什么样子(假设一开始是可行的)。 因此,任何类型的建议/替代/最佳实践将不胜感激。
免责声明:在purrr
功能方面,我是个大菜鸟,也不是经验丰富的dplyr
用户,所以请原谅我的无知。
这是预期的 output 吗?
library(tidyverse)
library(lubridate)
group_split(df, dim1, dim2) %>%
map_dfr(~ .x %>% AddLags(1:2, "value", date))
#> # A tibble: 12 × 2
#> value_lag_01 value_lag_02
#> <int> <int>
#> 1 NA NA
#> 2 1 NA
#> 3 2 1
#> 4 NA NA
#> 5 4 NA
#> 6 5 4
#> 7 NA NA
#> 8 7 NA
#> 9 8 7
#> 10 NA NA
#> 11 10 NA
#> 12 11 10
数据:
# dummy dataset
df <- data.frame(
date = seq(today(), length.out = 12, by = "month"),
dim1 = c("a", "a", "a", "b", "b", "b", "c", "c", "c", "d", "d", "d"),
dim2 = c(1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2),
value = 1:12
)
# function to apply
AddLags <- function(df, lags_vector, target_col, date_col) {
temp_lags <- map_dfc(
lags_vector,
~ df %>%
arrange({{ date_col }}) %>%
transmute(
across(contains(target_col), lag, .x, .names = '{col}_lag_{ifelse(.x<10,paste0("0",.x),.x)}')
)
)
return(temp_lags)
}
由代表 package (v2.0.1) 于 2022 年 1 月 13 日创建
正如@Limey 建议的那样,一种可能的方法是使用 group_map function:
results_df <- data.frame()
results_df <-
bind_rows(
df %>%
group_by(dim1,dim2) %>%
group_map(~AddLags(.,c(1,2),'value',date))
)
预期的结果是:
value_lag_01 value_lag_02
<int> <int>
1 NA NA
2 1 NA
3 2 1
4 NA NA
5 4 NA
6 5 4
7 NA NA
8 7 NA
9 8 7
10 NA NA
11 10 NA
12 11 10
但是,我个人会使用 @jpdugo17 方法 go
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.