R中如何高效存储变量与因子水平不同组合的计算结果到数据框？

实现方案 #

使用tidyverse生态的purrr包批量遍历所有参数组合，无需手动重复代码，直接生成目标格式的结果：

第一步：加载依赖包

library(tidyverse)

第二步：改造指标计算函数

直接返回单组参数对应的精度、召回率、F1值，同时兼容极端值（如混淆矩阵缺项、分母为0）避免报错：

calc_metrics <- function(dat, sp, hz, target, pred){
  # 生成混淆矩阵
  conf_mat <- dat %>%
    filter(v == sp & sr == hz) %>%
    select(all_of(c(target, pred))) %>%
    table() %>%
    as_tibble()

  # 提取混淆矩阵数值，处理缺项场景
  n <- conf_mat$n
  tp <- ifelse(length(n)>=4, n[4], 0)
  fp <- ifelse(length(n)>=4, n[2], 0)
  fn <- ifelse(length(n)>=4, n[3], 0)

  # 计算指标，避免分母为0报错
  p <- ifelse(tp + fp == 0, 0, tp / (tp + fp))
  r <- ifelse(tp + fn == 0, 0, tp / (tp + fn))
  f <- ifelse(p + r == 0, 0, 2 * p * r / (p + r))

  return(tibble(p = p, r = r, f = f))
}

第三步：构造所有待计算的参数组合

自动生成所有真值、预测值、分组的匹配关系，无需手动枚举：

params <- crossing(
  target = c("A", "B"),
  sp = levels(ex$v)
) %>%
  # 匹配对应预测值：真值为A时预测值为B/C/D/E，真值为B时预测值为C/D/E
  mutate(pred = case_when(
    target == "A" ~ list(c("B", "C", "D", "E")),
    target == "B" ~ list(c("C", "D", "E"))
  )) %>%
  unnest(pred) %>%
  # 固定sr取值，和原有测试逻辑保持一致，需要其他值可直接修改
  mutate(hz = 100) %>%
  # 生成对比列名，和要求的格式匹配
  mutate(Comp = paste(pred, "-", target))

第四步：批量计算并转成目标宽表

# 批量计算所有组合的指标
result_long <- params %>%
  mutate(metrics = pmap(., ~calc_metrics(dat = ex, sp = ..2, hz = ..5, target = ..1, pred = ..4))) %>%
  unnest(metrics)

# 转换为要求的宽表结构，slo对应.x、mod对应.y、fas对应.z
result_wide <- result_long %>%
  select(Comp, sp, p, r, f) %>%
  pivot_wider(
    id_cols = Comp,
    names_from = sp,
    values_from = c(p, r, f),
    names_glue = "{.value}.{c('x','y','z')[match(sp, levels(ex$v))]}"
  ) %>%
  # 调整列顺序和需求一致
  select(Comp, p.x, r.x, f.x, p.y, r.y, f.y, p.z, r.z, f.z)

输出result_wide即可得到需要的表格结构。

内容的提问来源于stack exchange，提问作者user13973103