在purrr中处理嵌套/非嵌套列时map多模型的函数故障排查

问题根源 #

1. make_data_input里的max计算用了字符串字面量"{{x}}_cumsum"，没有正确引用新生成的累计和列，导致取到的是字符串本身而非列值的最大值。
2. 嵌套调用map2时，错误地直接写price，没有用.y传递动态参数，导致函数无法识别要处理的列。

修正步骤 #

1. 修复make_data_input函数 #

把max部分的字符串引用改成直接调用新生成的列，用tidyeval的正确语法：

make_data_input <- function(df, x) {
  df %>% 
    mutate(
      "{{x}}_cumsum" := cumsum({{x}}),
      "max_{{x}}_cumsum" := max({{x}}_cumsum)  # 直接引用累计和列，不用加引号
    )
}

这样就能正确计算累计和列的最大值，而非取字面量。

2. 修复嵌套数据集的调用 #

原来的map2传参错误，要把price作为字符串列传递，并用.y引用：

diamonds %>% 
  group_by(cut, color) %>% 
  nest() %>%
  mutate(
    test = list(selected_cols),
    carat = "carat",
    price_col = "price"  # 把price列名存为字符串
  ) %>% 
  mutate(
    simple = map(data, make_data_fixed),
    calculate_direct = map2(data, test, calculate_stuff),
    calculate_indirect = map2(data, carat, calculate_stuff),
    complex = map2(data, price_col, ~make_data_input(df = .x, x = .y))  # 用.y传递动态参数
  )

完整可运行代码 #

library(tidyverse)

# 固定参数函数（正常运行）
make_data_fixed <- function(df) {
  df %>% 
    mutate(
      price_cumsum = cumsum(price),
      max_price_cumsum = max(price_cumsum)
    )
}

# 修正后的动态参数函数
make_data_input <- function(df, x) {
  df %>% 
    mutate(
      "{{x}}_cumsum" := cumsum({{x}}),
      "max_{{x}}_cumsum" := max({{x}}_cumsum)
    )
}

selected_cols <- c("clarity","depth")

# 动态列表列函数（正常运行）
calculate_stuff <- function(df, x) {
  df %>% 
    summarize(across(all_of(x), ~length(unique(.))))
}

# 测试非嵌套调用
calculate_stuff(diamonds, selected_cols)
make_data_input(diamonds, "price")  # 现在非嵌套也能正常工作

# 修正后的嵌套数据处理
diamonds %>% 
  group_by(cut, color) %>% 
  nest() %>%
  mutate(
    test = list(selected_cols),
    carat = "carat",
    price_col = "price"
  ) %>% 
  mutate(
    simple = map(data, make_data_fixed),
    calculate_direct = map2(data, test, calculate_stuff),
    calculate_indirect = map2(data, carat, calculate_stuff),
    complex = map2(data, price_col, ~make_data_input(df = .x, x = .y))
  )

关键注意点 #

• Tidyeval语法中，{{x}}用来引用函数参数对应的列，生成新列名用"{{x}}_cumsum" :=格式；引用新生成的列时直接写{{x}}_cumsum即可，不需要加引号。
• 嵌套数据传参时，map2的.y要传字符串形式的列名（和carat列保持一致），不能直接写列名裸词，否则会被当作全局变量处理。

内容的提问来源于stack exchange，提问作者alejandro_hagan