如何用purrr包编写可应用于数据集列的自定义函数

问题场景 #

需要将自定义函数应用于数据集的一组列并返回列表，lapply()可正常实现，但使用purrr包的map()时遭遇报错。

示例数据 #

df <- data.frame(variableA = factor(sample(x = c("lessThan", "moreThan"),
                                           size = 20,
                                           replace = T,
                                           prob = c(0.5, 0.5))),
                 variableB = factor(sample(x = c("lessThan", "moreThan"),
                                           size = 20,
                                           replace = T,
                                           prob = c(0.2, 0.8))),
                 variableC = factor(sample(x = c("lessThan", "moreThan"),
                                           size = 20,
                                           replace = T,
                                           prob = c(0.4, 0.6)))) 

自定义函数 #

该函数接受字符串形式的变量名，返回各水平比例的DataFrame（已修正原代码中管道符的笔误）：

countMoreLessFunct <- function(data, var) {
  data %>%
    group_by(.data[[var]]) %>%
      summarise(count = n()) %>%
        ungroup() %>%
          mutate(tot = sum(count),
                 perc = round(x = count/tot*100,
                              digits = 2))
}

报错代码及信息 #

直接对df调用map()时出现错误：

df %>%
  map(.f = ~countMoreLessFunct(df, .x))

错误信息：

# Error in `map()`:
#   ℹ In index: 1.
#   ℹ With name: variableA.
# Caused by error in `group_by()`:
#   ℹ In argument: `.data[[structure(c(1L, 2L, 1L, 1L, 2L, 2L, 1L, 1L, 1L, 2L, 2L, `." 
# Caused by error in `.data[[<fct>]]`:
#   ! Must subset the data pronoun with a string, not a <factor> object. 

错误原因 #

直接对data.frame使用map()时，map()会迭代每一列的实际值（即因子向量），而不是列名（字符串）。但自定义函数countMoreLessFunct要求传入的var是字符串形式的列名，因此传入因子对象后，.data[[var]]无法识别，导致报错。

解决方案 #

方法1：迭代列名字符串向量 #

直接生成列名的字符串向量，用map()迭代该向量：

library(purrr)
library(dplyr)

names(df) %>% 
  map(~countMoreLessFunct(df, .x))

方法2：使用imap()获取列名 #

imap()会同时传递每一列的值和对应的列名，我们可以用.y参数提取列名传入函数，此方法会保留列表元素的名称（对应原列名）：

imap(df, ~countMoreLessFunct(df, .y))

可选：调整自定义函数兼容多种输入 #

如果希望函数既能接受字符串列名，也能直接接受列向量，可以修改函数使用dplyr的非标准求值语法：

countMoreLessFunct <- function(data, var) {
  var <- rlang::ensym(var)
  data %>%
    group_by({{var}}) %>%
      summarise(count = n()) %>%
        ungroup() %>%
          mutate(tot = sum(count),
                 perc = round(x = count/tot*100,
                              digits = 2))
}

# 此时两种调用方式都可行
countMoreLessFunct(df, variableA) # 直接传列名
countMoreLessFunct(df, "variableA") # 传字符串
# 配合map的话，依然需要迭代列名
names(df) %>% map(~countMoreLessFunct(df, .x))

内容的提问来源于stack exchange，提问作者llewmills