Как получить доступ к имени списка перед его отображением?

Question

Я пытаюсь разбить фрейм данных на более мелкие фреймы данных и сопоставить их с определенной функцией, если они удовлетворяют условию именования функции. Я пробовал много способов с purrr map для непосредственного разделения, используя map_if, но мне не повезлоСейчас я работаю с split и lapply

Так что я напишу код, где я застрял сейчас.

x <- split(mtcars , mtcars$cyl)

lapply(x, function(x){
  print(names(x))
  })

то, что я должен получить, это:

4
6
8

, что я получаю

 [1] "mpg"  "cyl"  "disp" "hp"   "drat" "wt"   "qsec" "vs"   "am"   "gear" "carb"
 [1] "mpg"  "cyl"  "disp" "hp"   "drat" "wt"   "qsec" "vs"   "am"   "gear" "carb"
 [1] "mpg"  "cyl"  "disp" "hp"   "drat" "wt"   "qsec" "vs"   "am"   "gear" "carb"
$`4`
 [1] "mpg"  "cyl"  "disp" "hp"   "drat" "wt"   "qsec" "vs"   "am"   "gear" "carb"

$`6`
 [1] "mpg"  "cyl"  "disp" "hp"   "drat" "wt"   "qsec" "vs"   "am"   "gear" "carb"

$`8`
 [1] "mpg"  "cyl"  "disp" "hp"   "drat" "wt"   "qsec" "vs"   "am"   "gear" "carb"

Похоже, что он входит в предмет напрямую, без возможностидля извлечения родительского имени элемента изнутри применить.

Любые рекомендации о том, как бы вы сделали, это будет полезно?

Обновление

вот что я хочу сделать в пустышкекод

x <- split(mtcars , mtcars$cyl)

lapply(x, function(x){
  if(names(x) == 4){
somefunction(x)
}
  })

Answer 1

Возможное исправление для подхода ОП:

somefunction <- function(df) dplyr::summarise_all(df, mean)

some_naming_condition <- function(group) group == "4"

lapply(
  names(x),
  function(name) {
    if (some_naming_condition(name)) {
      somefunction(x[[name]])
    } else {
      x[[name]]
    }
  }
)
#> [[1]]
#>        mpg cyl     disp       hp     drat       wt     qsec        vs
#> 1 26.66364   4 105.1364 82.63636 4.070909 2.285727 19.13727 0.9090909
#>          am     gear     carb
#> 1 0.7272727 4.090909 1.545455
#> 
#> [[2]]
#>                 mpg cyl  disp  hp drat    wt  qsec vs am gear carb
#> Mazda RX4      21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
#> Mazda RX4 Wag  21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
#> Hornet 4 Drive 21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
#> Valiant        18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
#> Merc 280       19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4
#> Merc 280C      17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
#> Ferrari Dino   19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6
#> 
#> [[3]]
#>                      mpg cyl  disp  hp drat    wt  qsec vs am gear carb
#> Hornet Sportabout   18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2
#> Duster 360          14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
#> ...

Или эквивалентно:

Map(function(name, sub_df) {
  if (some_naming_condition(name)) {
    somefunction(sub_df)
  } else {
    sub_df
  }
}, names(x), x)

Другой предлагаемый подход:

library(tidyr)
library(purrr)
library(dplyr)

mtcars %>% 
  nest(-cyl) %>% 
  mutate(data = modify_at(data, which(some_naming_condition(cyl)), 
                          somefunction)) %>% 
  unnest()
#> # A tibble: 22 x 11
#>      cyl   mpg  disp    hp  drat    wt  qsec    vs    am  gear  carb
#>    <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#>  1     6  21    160  110    3.9   2.62  16.5 0     1      4     4   
#>  2     6  21    160  110    3.9   2.88  17.0 0     1      4     4   
#>  3     6  21.4  258  110    3.08  3.22  19.4 1     0      3     1   
#>  4     6  18.1  225  105    2.76  3.46  20.2 1     0      3     1   
#>  5     6  19.2  168. 123    3.92  3.44  18.3 1     0      4     4   
#>  6     6  17.8  168. 123    3.92  3.44  18.9 1     0      4     4   
#>  7     6  19.7  145  175    3.62  2.77  15.5 0     1      5     6   
#>  8     4  26.7  105.  82.6  4.07  2.29  19.1 0.909 0.727  4.09  1.55
#>  9     8  18.7  360  175    3.15  3.44  17.0 0     0      3     2   
#> 10     8  14.3  360  245    3.21  3.57  15.8 0     0      3     4   
#> # … with 12 more rows

Answer 2

Использование group_by и group_split может работать.Вот пример использования summary в качестве произвольной функции для применения к подмножеству с цилиндрами == 6.

cyl_groups <- mtcars %>% group_by(cyl)
cyl_groups %>% group_split %>% map_if(group_keys(cyl_groups) == 6, summary)
#> [[1]]
#> # A tibble: 11 x 11
#>      mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb
#>    <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#>  1  22.8     4 108      93  3.85  2.32  18.6     1     1     4     1
#>  2  24.4     4 147.     62  3.69  3.19  20       1     0     4     2
#>  3  22.8     4 141.     95  3.92  3.15  22.9     1     0     4     2
#>  4  32.4     4  78.7    66  4.08  2.2   19.5     1     1     4     1
#>  5  30.4     4  75.7    52  4.93  1.62  18.5     1     1     4     2
#>  6  33.9     4  71.1    65  4.22  1.84  19.9     1     1     4     1
#>  7  21.5     4 120.     97  3.7   2.46  20.0     1     0     3     1
#>  8  27.3     4  79      66  4.08  1.94  18.9     1     1     4     1
#>  9  26       4 120.     91  4.43  2.14  16.7     0     1     5     2
#> 10  30.4     4  95.1   113  3.77  1.51  16.9     1     1     5     2
#> 11  21.4     4 121     109  4.11  2.78  18.6     1     1     4     2
#> 
#> [[2]]
#>       mpg             cyl         disp             hp       
#>  Min.   :17.80   Min.   :6   Min.   :145.0   Min.   :105.0  
#>  1st Qu.:18.65   1st Qu.:6   1st Qu.:160.0   1st Qu.:110.0  
#>  Median :19.70   Median :6   Median :167.6   Median :110.0  
#>  Mean   :19.74   Mean   :6   Mean   :183.3   Mean   :122.3  
#>  3rd Qu.:21.00   3rd Qu.:6   3rd Qu.:196.3   3rd Qu.:123.0  
#>  Max.   :21.40   Max.   :6   Max.   :258.0   Max.   :175.0  
#>       drat             wt             qsec             vs        
#>  Min.   :2.760   Min.   :2.620   Min.   :15.50   Min.   :0.0000  
#>  1st Qu.:3.350   1st Qu.:2.822   1st Qu.:16.74   1st Qu.:0.0000  
#>  Median :3.900   Median :3.215   Median :18.30   Median :1.0000  
#>  Mean   :3.586   Mean   :3.117   Mean   :17.98   Mean   :0.5714  
#>  3rd Qu.:3.910   3rd Qu.:3.440   3rd Qu.:19.17   3rd Qu.:1.0000  
#>  Max.   :3.920   Max.   :3.460   Max.   :20.22   Max.   :1.0000  
#>        am              gear            carb      
#>  Min.   :0.0000   Min.   :3.000   Min.   :1.000  
#>  1st Qu.:0.0000   1st Qu.:3.500   1st Qu.:2.500  
#>  Median :0.0000   Median :4.000   Median :4.000  
#>  Mean   :0.4286   Mean   :3.857   Mean   :3.429  
#>  3rd Qu.:1.0000   3rd Qu.:4.000   3rd Qu.:4.000  
#>  Max.   :1.0000   Max.   :5.000   Max.   :6.000  
#> 
#> [[3]]
#> # A tibble: 14 x 11
#>      mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb
#>    <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#>  1  18.7     8  360    175  3.15  3.44  17.0     0     0     3     2
#>  2  14.3     8  360    245  3.21  3.57  15.8     0     0     3     4
#>  3  16.4     8  276.   180  3.07  4.07  17.4     0     0     3     3
#>  4  17.3     8  276.   180  3.07  3.73  17.6     0     0     3     3
#>  5  15.2     8  276.   180  3.07  3.78  18       0     0     3     3
#>  6  10.4     8  472    205  2.93  5.25  18.0     0     0     3     4
#>  7  10.4     8  460    215  3     5.42  17.8     0     0     3     4
#>  8  14.7     8  440    230  3.23  5.34  17.4     0     0     3     4
#>  9  15.5     8  318    150  2.76  3.52  16.9     0     0     3     2
#> 10  15.2     8  304    150  3.15  3.44  17.3     0     0     3     2
#> 11  13.3     8  350    245  3.73  3.84  15.4     0     0     3     4
#> 12  19.2     8  400    175  3.08  3.84  17.0     0     0     3     2
#> 13  15.8     8  351    264  4.22  3.17  14.5     0     1     5     4
#> 14  15       8  301    335  3.54  3.57  14.6     0     1     5     8

Если вы хотите, чтобы столбцы соответствовали вашему состоянию, альтернативой будет

mtcars %>% split(.$cyl) %>% keep(names(.) == 6) %>% map(somefunction())

Answer 3

Lapply проходит через каждый элемент списка и затем применяет функцию, это означает, что names применяется к отдельному фрейму данных и, следовательно, выводит имена столбцов.

Но мой вопрос был бы, почемуполучить доступ к именам вообще?В этом случае имена в любом случае соответствуют столбцу «цил», поэтому вы можете сделать так, чтобы ваша функция просто зависела от значения этого столбца.