如何用R的dplyr将分组data.frame转为保留分组列的列表

问题背景 #

需要将包含tissue和genes列的数据框按tissue分组转为列表，且每个子列表保留tissue列，但使用group_map()时该列丢失。

原始数据 #

library(tidyverse)
df <- tibble(tissue=c("A","A","B","B"), genes=c('CD79B','CD79A','CD19','CD180'))
df
#> # A tibble: 4 × 2
#>   tissue genes
#>   <chr>  <chr>
#> 1 A      CD79B
#> 2 A      CD79A
#> 3 B      CD19 
#> 4 B      CD180

当前问题代码（丢失tissue列） #

df1 <- df |> 
  group_by(tissue) |> 
  group_map(~.)

df1  
#> [[1]]
#> # A tibble: 2 × 1
#>   genes
#>   <chr>
#> 1 CD79B
#> 2 CD79A
#> 
#> [[2]]
#> # A tibble: 2 × 1
#>   genes
#>   <chr>
#> 1 CD19 
#> 2 CD180

方法1：使用group_split()（最简便） #

group_split()是专门用于分组拆分数据框为列表的函数，默认会保留分组列，完全符合需求：

df1 <- df |> 
  group_by(tissue) |> 
  group_split()

df1
#> [[1]]
#> # A tibble: 2 × 2
#>   tissue genes
#>   <chr>  <chr>
#> 1 A      CD79B
#> 2 A      CD79A
#> 
#> [[2]]
#> # A tibble: 2 × 2
#>   tissue genes
#>   <chr>  <chr>
#> 1 B      CD19 
#> 2 B      CD180

方法2：修改group_map()的用法（保留原函数） #

如果必须使用group_map()，可以通过cur_group()获取当前分组的信息，将分组列合并回子数据框：

df1 <- df |> 
  group_by(tissue) |> 
  group_map(~ bind_cols(cur_group(), .x))

df1

或者手动添加分组列：

df1 <- df |> 
  group_by(tissue) |> 
  group_map(~ .x |> mutate(tissue = cur_group()$tissue))

方法3：嵌套后提取列表 #

通过nest()嵌套数据，再提取嵌套列转为列表，同时保留分组列：

df1 <- df |> 
  group_by(tissue) |> 
  nest(data = genes) |> 
  mutate(data = map(data, ~ mutate(.x, tissue = cur_group()$tissue))) |> 
  pull(data)

原因说明 #

group_map()默认会将分组列从传递给自定义函数的子数据框中移除，只保留非分组列，因此直接使用~.会丢失tissue列；而group_split()设计时就保留了分组列，是更适合该场景的工具。

内容的提问来源于stack exchange，提问作者LDT