Лучший способ применения нескольких функций над похожими структурированными df в списке? - PullRequest
Новая
       8

Лучший способ применения нескольких функций над похожими структурированными df в списке?

0 голосов
/ 18 октября 2018

У меня есть объект списка с именем Profile_list, объединяющий несколько df, все с одинаковыми столбцами (но с разным количеством строк): 

> summary(Profile_list)
            Length Class      Mode
Profile_19  26     data.frame list
Profile_20  26     data.frame list
Profile_21  26     data.frame list
Profile_40  26     data.frame list
Profile_41  26     data.frame list
Profile_84  26     data.frame list
Profile_92  26     data.frame list
Profile_95  26     data.frame list
Profile_98  26     data.frame list
Profile_106 26     data.frame list
Profile_135 26     data.frame list
Profile_139 26     data.frame list

Я хочу иметь возможность применить функцию dplyr::selectчтобы выбрать столбцы Col_A и Col_B, затем найти unique комбинаций этих двух извлеченных столбцов каждого df, затем назначить эти результаты новому списку с такими же именами dfs, Profile_list_unique_indicators.Как лучше всего достичь этого?

1 Ответ

0 голосов
/ 18 октября 2018

Здесь решение с purrr и использованием map (при условии, что имена столбцов одинаковы для всех data.frames): 

purrr::map(my_list, function(x) {
  x %>%  select(a, b) %>% group_by(a, b) %>% unique()
})
# [[1]]
# # A tibble: 3 x 2
# # Groups:   a, b [3]
#       a     b
# <dbl> <int>
# 1     2     1
# 2     2     2
# 3     2     3
# 
# [[2]]
# # A tibble: 3 x 2
# # Groups:   a, b [3]
#       a     b
# <dbl> <int>
# 1     1     4
# 2     1     5
# 3     1     6

Но я неНе вижу отличий от простого использования distinct: 

purrr::map(my_list, function(x) {
     x %>%  select(a, b) %>% distinct(a, b)
})
# [[1]]
#   a b
# 1 2 1
# 2 2 2
# 3 2 3
# 
# [[2]]
#   a b
# 1 1 4
# 2 1 5
# 3 1 6

Поддельные данные: 

data <- data.frame(a = rep(2, 4), b = rep(1:3, 4))
data2 <- data.frame(a = rep(1, 4), b = rep(4:6, 4))

my_list <- list(data, data2)
my_list
# [[1]]
#    a b
# 1  2 1
# 2  2 2
# 3  2 3
# 4  2 1
# 5  2 2
# 6  2 3
# 7  2 1
# 8  2 2
# 9  2 3
# 10 2 1
# 11 2 2
# 12 2 3
# 
# [[2]]
#    a b
# 1  1 4
# 2  1 5
# 3  1 6
# 4  1 4
# 5  1 5
# 6  1 6
# 7  1 4
# 8  1 5
# 9  1 6
# 10 1 4
# 11 1 5
# 12 1 6
...