如何正确使用dplyr管道运算符、修复apply报错及访问父级dataframe数据

1. 管道写法报错修复 #

报错原因：dplyr管道%>%默认会将左侧运算结果作为右侧函数的第一个输入参数，你原来的写法中，管道会把原始dataframe直接传给apply的第一个参数，而你又手动写了as.matrix(.)作为apply的第二个参数，导致apply的参数顺序完全错乱：原本第二个参数MARGIN被传入了矩阵，第三个参数被传入了数值1，R会把第三个参数当成要执行的函数，才会报'1' is not a function的错误。

修复方法很简单，用大括号{}包裹apply的全部逻辑，阻断管道自动传参的默认行为，手动控制.的使用即可，修复后的代码如下：

library(dplyr)
library(zoo)
data.frame('col1' = c('C', 'A', 'B', 'A'), 'col2' = c(1,2,3,4)) %>%
    {
      apply(as.matrix(.),
            1,
            function(ii) {
                merge(data.frame('xx' = sample(letters[1:10], 5, replace = T), 'val1' = 1:5),
                        data.frame('xx' = sample(letters[1:5], 5, replace = T), 'val2' = 21:25),
                        by = 'xx', all = T) %>%
                mutate('Info' = ii['col1']) %>%
                `colnames<-`(c('yy0', 'yy1', 'yy2', 'yy3'))
            })
    }

2. 访问父级dataframe的信息实现 #

在大括号的作用域内，.就代表管道传入的原始父级dataframe，你可以直接在apply的函数内调用它的列做计算，比如要取col2的最小值，直接用min(.$col2)即可。也可以提前把需要的父级参数计算存储在大括号作用域内，避免循环中重复计算降低性能，修改后的代码如下：

library(dplyr)
library(zoo)
data.frame('col1' = c('C', 'A', 'B', 'A'), 'col2' = c(1,2,3,4)) %>%
    {
      # 提前计算父级df的col2最小值，仅计算1次
      min_col2 <- min(.$col2)
      apply(as.matrix(.),
            1,
            function(ii) {
                merge(data.frame('xx' = sample(letters[1:10], 5, replace = T), 'val1' = 1:5),
                        data.frame('xx' = sample(letters[1:5], 5, replace = T), 'val2' = 21:25),
                        by = 'xx', all = T) %>%
                mutate('Info' = min_col2) %>%
                `colnames<-`(c('yy0', 'yy1', 'yy2', 'yy3'))
            })
    }

如果需要调用父级df的其他信息，都可以通过.$列名的方式直接取值。

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