如何使用purrr为数据框每行生成含sample值的列？

看起来你卡在了用dplyr分组后结合purrr生成每行随机值的环节上，我来帮你梳理问题和解决办法：

你的代码出错的原因 #

1. mutate_是已弃用的旧函数：现在dplyr推荐使用标准的mutate函数，mutate_属于早期的标准评估接口，语法和现在的整洁评估逻辑不兼容。
2. map_dbl缺少迭代对象：你单独用1:5 %>% map_dbl(...)能运行，是因为1:5给了map_dbl明确的迭代长度（5次）；但在mutate里，你没有告诉map_dbl要循环多少次（也就是对应数据框的多少行），所以它无法生成对应数量的随机值。

方案1：最简单的向量化实现（无需purrr） #

其实生成每行的随机数不需要用到purrr，sample本身可以直接生成对应行数的向量，配合dplyr的mutate就足够：

library(dplyr)

df <- data.frame(x = rep(1:3, each=4), y=99)

# 为每行生成1-50的随机数
df %>% 
  mutate(val = sample(50, n(), replace = TRUE))

如果需要分组后在每个组内生成随机数，加上group_by即可：

df %>% 
  group_by(x) %>% 
  mutate(val = sample(50, n(), replace = TRUE)) %>% 
  ungroup()  # 记得取消分组，避免后续操作出错

这里的n()在dplyr语境中会自动返回当前分组的行数（未分组时是整个数据框的行数）。

方案2：用purrr的map_dbl实现（满足你的purrr学习需求） #

如果你一定要用purrr来实现，只需要给map_dbl提供一个和数据框行数等长的迭代对象（比如1:n()），让它循环对应次数生成随机数：

library(dplyr)
library(purrr)

# 全局每行生成随机数
df %>% 
  mutate(val = map_dbl(1:n(), ~ sample(50, 1)))

# 分组后每个组内每行生成随机数
df %>% 
  group_by(x) %>% 
  mutate(val = map_dbl(1:n(), ~ sample(50, 1))) %>% 
  ungroup()

这里的~ sample(50,1)是简化的lambda函数写法，等价于function(.x) sample(50,1)（purrr中默认用.x表示迭代的元素，不过这里我们其实不需要用到这个元素，只是借它来控制循环次数）。

验证效果 #

运行上述代码后，你会得到一个新增的val列，每行都是1-50之间的随机整数，完全符合你的需求。

内容的提问来源于stack exchange，提问作者jyjek