如何用dplyr基于列表中的公式批量创建新变量？

问题描述 #

我需要基于一个动态长度的公式列表，用dplyr的mutate自动生成对应新变量。手动逐个指定公式的方式可行，但希望实现批量处理，无需关注列表长度。尝试过across（但它依赖现有变量）和map封装函数（未成功），现有代码如下：

可运行的手动代码 #

library("dplyr")
library("purrr")
library("formula.tools")

t <- 10 # 需在管道中调用的常量

ut <- list( # 存储公式的列表
  v1 = V.1 ~ A * B*t,
  v2 = V.2 ~ A+B)

data <- tibble(A=rnorm(10),B=runif(10)) %>%
  mutate(!!lhs(ut[["v1"]]) := !!rhs(ut[["v1"]]),
         !!lhs(ut[["v2"]]) := !!rhs(ut[["v2"]]))

尝试失败的代码 #

by_formula <- function(equation){
 !!lhs(equation) := !!rhs(equation) 
}

data <- tibble(A=rnorm(10),B=runif(10)) %>%
  mutate(map(ut,by_formula))

可行批量处理方案 #

方案1：用purrr::reduce迭代添加变量 #

通过reduce遍历公式列表，每次为数据集添加一个新变量，适合逐步调试或需要中间步骤的场景：

library("dplyr")
library("purrr")
library("formula.tools")

t <- 10
ut <- list(
  v1 = V.1 ~ A * B*t,
  v2 = V.2 ~ A+B)

data <- tibble(A=rnorm(10),B=runif(10)) %>%
  reduce(ut, .f = function(df, eq) {
    df %>% mutate(!!lhs(eq) := !!rhs(eq))
  }, .init = .)

方案2：预生成表达式后批量执行 #

先将所有公式转换为mutate可识别的赋值表达式，再用!!!展开一次性执行，效率最高：

library("dplyr")
library("purrr")
library("formula.tools")
library("rlang")

t <- 10
ut <- list(
  v1 = V.1 ~ A * B*t,
  v2 = V.2 ~ A+B)

# 生成所有赋值表达式的列表
mutate_exprs <- map(ut, ~ expr(!!lhs(.x) := !!rhs(.x)))

data <- tibble(A=rnorm(10),B=runif(10)) %>%
  mutate(!!!mutate_exprs)

方案3：用imap_dfc批量生成后合并 #

利用imap_dfc为每个公式生成包含新变量的数据集，最后合并去重：

library("dplyr")
library("purrr")
library("formula.tools")

t <- 10
ut <- list(
  v1 = V.1 ~ A * B*t,
  v2 = V.2 ~ A+B)

data <- tibble(A=rnorm(10),B=runif(10)) %>%
  imap_dfc(ut, ~ mutate(., !!lhs(.x) := !!rhs(.x))) %>%
  select(-starts_with(".")) # 移除imap_dfc生成的冗余列

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