如何在R的mutate中传递条目（分组条目）至函数实现数据分类？

我正在编写代码，需要将目标表中的条目与代码表对比，确定每个条目所属的类别。

代码表示例 #

df_code <- data.frame("Colour" = c("Blue", "Red", "Yellow"), "Shape" = c("Triangle", "Circle", "Square"),  "Letter" = c("Alpha", "Beta", "Charlie"))

该表的列标题为类别名称，各列中的取值对应目标表中需归为该类别的条目。

目标表示例 #

df_target <- data.frame("ID" = c(1:3), "Label" = c("Red", "Triangle", "Beta"))

已定义的匹配函数 #

findInCategory <- function (code = df_code, entry) {
  entry.location <- which(code == entry, arr.ind = T)
  category <- colnames(code)[entry.location[2]]
  return(category)
}

我需要结合dplyr的group_by(Label)和mutate()函数，为df_target创建Category列，为每一行分配对应的类别。请问如何在以下代码的mutate中传递当前条目到函数：

df_target_mutated <- df_target %>% mutate(metacategory = findInCategory(code, **An argument here**))

期望结果 #

ID    Label Category
1  1      Red   Colour
2  2 Triangle    Shape
3  3     Beta   Letter

解决方案 #

你不需要使用group_by(Label)，因为每个Label都是独立条目，直接逐行调用函数即可，这里提供两种高效实现方式：

方式一：使用purrr::map_chr（推荐） #

借助purrr的map_chr函数遍历Label列的每个元素，将其作为参数传入findInCategory，返回字符向量作为新列：

library(dplyr)
library(purrr)

df_target_mutated <- df_target %>%
  mutate(Category = map_chr(Label, ~findInCategory(entry = .x)))

方式二：使用rowwise() #

如果不想引入purrr包，可以用rowwise()让dplyr按行处理，此时mutate中调用函数时会自动取当前行的Label值：

library(dplyr)

df_target_mutated <- df_target %>%
  rowwise() %>%
  mutate(Category = findInCategory(entry = Label)) %>%
  ungroup()

补充说明 #

• 原函数中code参数默认值为df_code，如果当前环境中存在该对象，调用时可以省略这个参数；若需明确指定，可写成findInCategory(code = df_code, entry = .x)。
• 两种方式运行后都能得到你期望的df_target_mutated结果。

内容的提问来源于stack exchange，提问作者Makie