r语言 - 以编程方式分解数据框中的选定列，整洁的方式?

Question

下面是一个简化的示例：

library(tidyverse)
frame <- tribble(
~a, ~b, ~c,
1,  1,  2,
5,  4,  7,
2,  3,  4, 
3,  1,  6
)
key <- tribble(
~col, ~name, ~type, ~labels,
1,   "a",   "f",     c("one", "two", "three", "four", "five"),
2,   "b",   "f",     c("uno", "dos", "tres", "cuatro"),
3,   "c",   "f",     1:7
)

是否有一种优雅的方法可以在frame中以编程方式扫描列并根据key中的参数应用特定因子类？预期结果将是：

# A tibble: 4 x 3
a      b      c
<fctr> <fctr> <fctr>
1    one    uno      2
2   five cuatro      7
3    two   tres      4
4  three    uno      6

到目前为止，我最好的解决方案是使用purrr的map2()但分配不是 IMO 最优雅的：

frame[key$col] <- map2(key$col, key$labels, 
function(x, y) factor(frame[[x]], levels = 1:length(y), labels = y))

有没有人有更整洁的解决方案？请注意，我的原始数据框有数百列，我需要用不同的级别/标签重构其中的大部分，因此该过程必须自动化。

Answer 1

这是另一种解决方案。我不确定它有多"优雅"。希望有人可以对此进行改进。

suppressPackageStartupMessages(library(tidyverse))
frame <- tribble(
~a, ~b, ~c,
1,  1,  2,
5,  4,  7,
2,  3,  4, 
3,  1,  6
)
key <- tribble(
~col, ~name, ~type, ~labels,
1,   "a",   "f",     c("one", "two", "three", "four", "five"),
2,   "b",   "f",     c("uno", "dos", "tres", "cuatro"),
3,   "c",   "f",     1:7
)
colnames(frame) %>% 
map(~ {
factor(pull(frame, .x),
levels = 1:length(pluck(key[key$name == .x, "labels"], 1, 1)),
labels = pluck(key[key$name == .x, "labels"], 1, 1))
}) %>% 
set_names(colnames(frame)) %>% 
as_tibble()
#> # A tibble: 4 x 3
#>        a      b      c
#>   <fctr> <fctr> <fctr>
#> 1    one    uno      2
#> 2   five cuatro      7
#> 3    two   tres      4
#> 4  three    uno      6

Answer 2

我很想知道为此提出了哪些其他解决方案。我唯一的建议是稍微更改建议的解决方案，以便更清楚地表明frame将以某种方式进行修改，而不是将其保留在map2使用的函数的主体中。

例如，在调用map2时将frame作为附加参数传递：

frame[key$col] <- map2(key$col, key$labels, 
function(x, y, z) factor(z[[x]], levels = 1:length(y), labels = y), 
frame)

或者使用管道运算符%>%执行相同的操作：

frame[key$col] <- frame %>%
{ map2(key$col, key$labels, 
function(x, y, z) factor(z[[x]], levels = 1:length(y), labels = y), .) }

Answer 3

我不知道这个答案是否满足您对整洁的要求，因为它使用了普通的旧 for 循环。但它可以完成这项工作，在我看来，它易于阅读/理解以及相当快。

library(tidyverse)
frame <- tribble(
~a, ~b, ~c,
1,  1,  2,
5,  4,  7,
2,  3,  4, 
3,  1,  6
)
key <- tribble(
~col, ~name, ~type, ~labels,
1,   "a",   "f",     c("one", "two", "three", "four", "five"),
2,   "b",   "f",     c("uno", "dos", "tres", "cuatro"),
3,   "c",   "f",     1:7
)
for (i in 1:nrow(key)) {
var <- key$name[[i]]
x <- frame[[var]]
labs <- key$labels[[i]]
lvls <- 1:max(length(x), length(labs)) # make sure to have the right lengths
frame <- frame %>% mutate(!! var := factor(x, levels = lvls, labels = labs))
}
frame
#> # A tibble: 4 x 3
#>        a      b      c
#>   <fctr> <fctr> <fctr>
#> 1    one    uno      2
#> 2   five cuatro      7
#> 3    two   tres      4
#> 4  three    uno      6

典型的整洁方法是重塑数据以将所有变量放在一列中，然后将函数应用于该列，最后将其重塑为原始格式。但是，因素并不真正喜欢这样，因此我们需要使用其他方式。因素甚至被认为是整洁的吗？

编辑

关于我假设 for 循环类似于map2函数，我错了。

以下是一些基准：

library(microbenchmark)
frame1 <- frame
frame2 <- frame
microbenchmark(
map2 = {
frame1[key$col] <- map2(key$col, key$labels, 
function(x, y) factor(frame[[x]], 
levels = 1:max(frame[[x]],
length(y)), 
labels = y))
},
forloop = {
for (i in 1:nrow(key)) {
var <- key$name[[i]]
x <- frame2[[var]]
labs <- key$labels[[i]]
lvls <- 1:max(length(x), length(labs))
frame2 <- frame2 %>% mutate(!! var := factor(x, levels = lvls, labels = labs))
}
}
)
# Unit: microseconds
# expr         min         lq       mean    median         uq       max neval cld
# map2      375.53   416.5805   514.3126   450.825   484.2175  3601.636   100  a 
# forloop 11407.80 12110.0090 12816.6606 12564.176 13425.6840 16632.682   100   b

Answer 4

对于此问题，可以使用基本 R 代码：

(A=`names<-`(data.frame(mapply(function(x,y)x[y],key$labels,frame)),key$name))
a      b c
1   one    uno 2
2  five cuatro 7
3   two   tres 4
4 three    uno 6
sapply(A,class)
a        b        c 
"factor" "factor" "factor"