如何用tidyr::nest替代group_split实现分性别数据插值？

问题背景 #

我有一个数据框d，其中sex取值为1/2，agedays（日龄）仅包含746（约24.5个月）和776（约25.5个月）两个值，数据结构如下：

d = structure(list(sex = c(1L, 1L, 2L, 2L), agemos = c(24.5, 25.5, 24.5, 25.5), 
    l = c(-0.216501213, -0.239790488, -0.75220657, -0.78423366), 
    m = c(12.74154396, 12.88102276, 12.13455523, 12.2910249), 
    s = c(0.108166006, 0.108274706, 0.107740345, 0.10847701), 
    agedays = c(746, 776, 746, 776)), row.names = c(NA, -4L), class = "data.frame")

需求是按性别分别对l、m、s三个变量在746到776的每一天进行线性插值。目前已通过dplyr::group_split实现，但该函数的文档提示其“不稳定，可通过处理tidyr::nest(.by =)返回的嵌套列实现类似效果”，因此希望了解nest的实现方式。

原有实现（group_split版本） #

fx = function(d){
   fapp <- function(v)approx(d$agedays,v,xout=746:776)$y
   lapply(d[,c('sex','agedays','l','m','s')],fapp); 
}

x <- d %>% group_split(sex) |> lapply(fx); str(x) 
d <- bind_rows(x, .id='sex')

nest实现方案 #

1. 调整插值函数 #

先优化原函数，使其接收单性别子数据框后，直接返回插值完成的完整数据框：

fx <- function(df) {
  target_days <- 746:776
  # 对l、m、s执行插值
  interp_vals <- lapply(df[, c("l", "m", "s")], function(v) {
    approx(df$agedays, v, xout = target_days)$y
  })
  # 组合成结果数据框，保留性别、日龄，可选计算对应月龄
  data.frame(
    sex = unique(df$sex),
    agedays = target_days,
    agemos = 24.5 + (target_days - 746)/30.4375, # 按平均每月30.4375天换算月龄
    l = interp_vals$l,
    m = interp_vals$m,
    s = interp_vals$s
  )
}

2. 嵌套+插值+展开 #

使用nest按性别分组嵌套，再通过map应用插值函数，最后展开嵌套结果：

library(dplyr)
library(tidyr)

# 执行流程
result <- d %>%
  nest(.by = sex) %>%          # 按sex嵌套，生成包含子数据框的data列
  mutate(interp_data = map(data, fx)) %>% # 对每个子数据框插值
  select(-data) %>%            # 移除原始嵌套数据列
  unnest(interp_data)          # 展开插值后的结果

# 查看结果结构
str(result)

代码说明 #

• nest(.by = sex)：将原数据按sex拆分，每个性别的数据存储在data列的列表元素中
• map(data, fx)：遍历data列的每个子数据框，调用fx生成插值后的完整数据框
• unnest(interp_data)：将嵌套的插值结果展开为常规数据框，最终输出与group_split版本一致

补充：base R split实现 #

如果需要用base R替代group_split，代码如下：

x <- split(d, d$sex) |> lapply(fx)
result <- bind_rows(x, .id = "sex")

内容的提问来源于stack exchange，提问作者David F