基于rsample与purrr实现嵌套CV数据框多映射并新增列

我来帮你实现遍历所有嵌套交叉验证数据集、提取分析集并新增列的操作，用purrr的嵌套map就能轻松搞定，步骤如下：

核心思路 #

你的cv_rolling里的inner_resamples是嵌套结构：外层是每个Resample对应的tibble，每个tibble里又有splits列（存的是rsample的split对象）。我们需要两层嵌套遍历：

1. 外层遍历每个Resample对应的inner tibble
2. 内层遍历每个inner tibble里的split对象，提取分析数据集并新增NEWCOL列
3. 最后把处理后的结构放回原数据框，完成覆盖

完整代码实现 #

假设你已经加载了tidyverse、rsample这些依赖包，直接运行下面的代码即可：

# 遍历所有inner_resamples元素，处理每个子数据集并覆盖原结构
cv_rolling$inner_resamples <- map(cv_rolling$inner_resamples, function(inner_tbl) {
  # 对当前inner_tbl的splits列逐个处理：提取分析集 + 新增NEWCOL
  inner_tbl %>%
    mutate(
      # 替换这里的NEWCOL计算逻辑为你的实际需求
      processed_analysis = map(splits, ~ analysis(.x) %>% mutate(NEWCOL = 8677 + row_number() * 80))
    )
  # 如果需要替换掉原来的splits列，改成下面这行：
  # inner_tbl %>% mutate(splits = map(splits, ~ analysis(.x) %>% mutate(NEWCOL = 8677 + row_number() * 80)))
})

代码说明 #

• 外层map：遍历cv_rolling$inner_resamples里的每一个Resample对应的tibble
• 内层map(splits, ...)：针对每个split对象，用analysis()提取用于模型训练的分析数据集，再通过mutate()新增NEWCOL列
• 你可以根据实际需求修改NEWCOL的计算逻辑，比如换成基于现有列的公式（比如NEWCOL = Value * 10 + out），示例里的8677 + row_number()*80只是模仿你给出的示例输出

验证结果 #

运行完代码后，你可以查看第一个Resample的处理结果：

# 查看第一个Resample的处理后数据
cv_rolling$inner_resamples[[1]]

每个行的processed_analysis列（或替换后的splits列）里都会是带NEWCOL的数据集，和你给出的示例输出结构一致。

内容的提问来源于stack exchange，提问作者user113156