将具有多变量函数的列表变量的数据框应用到具有函数参数的数据框

该数据框包含我所说的“数据”：

library(tidyverse)
df_d <- data_frame(key = c("cat", "cat", "dog", "dog"), 
               value_1 = c(1,2,3,4), 
               value_2 = c(2,4,6,8))

这是一个数据框，我打算将其用作函数查找表之类的东西。f是单变量函数并且f2是一个多变量函数：

df_f <- data_frame(key = c("cat", "dog"),
               f = c(function(x) x^2, function(x) sqrt(x)),
               f2 = c(function(x) (x[1]+x[2])^2, function(x) sqrt(x[1]+x[2])))

我可以轻松制作一个数据框，以便任何cat行得到cat函数和任何dog行得到dog功能：

df_both <- left_join(df_d, df_f)

我能够弄清楚如何应用每一个f功能，比如说value_1列得到：

df_both %>% mutate(result = invoke_map_dbl(f, value_1))        
#> # A tibble: 4 x 6
#>   key   value_1 value_2 f      f2     result
#>   <chr>   <dbl>   <dbl> <list> <list>  <dbl>
#> 1 cat      1.00    2.00 <fn>   <fn>     1.00
#> 2 cat      2.00    4.00 <fn>   <fn>     4.00
#> 3 dog      3.00    6.00 <fn>   <fn>     1.73
#> 4 dog      4.00    8.00 <fn>   <fn>     2.00

我的问题是：如何创建列result2这需要每个函数f2并用作其输入c(value_1, value_2)。如果重新定义函数f2显式地成为两个变量的函数使事情变得更容易，这也很好。

期望的输出：

#> # A tibble: 4 x 7
#>   key   value_1 value_2 f      f2     result result2
#>   <chr>   <dbl>   <dbl> <list> <list>  <dbl>   <dbl>
#> 1 cat      1.00    2.00 <fn>   <fn>     1.00    9.00
#> 2 cat      2.00    4.00 <fn>   <fn>     4.00   36.0 
#> 3 dog      3.00    6.00 <fn>   <fn>     1.73    3.00
#> 4 dog      4.00    8.00 <fn>   <fn>     2.00    3.46

（这个问题是由今天早些时候的一个不幸的自我删除问题引发的。）

“如果将 f2 中的函数重新定义为两个变量的显式函数会使事情变得更容易，那也很好。”

是的，我认为这是更自然的情况。否则，数据按行存储，并且可能需要重新整形。

重新定义您的功能：

df_f <- data_frame(key = c("cat", "dog"),
                   f = c(function(x) x^2, function(x) sqrt(x)),
                   f2 = c(function(x, y) (x + y)^2, function(x, y) sqrt(x + y)))
df_both <- left_join(df_d, df_f)

现在你再次使用map_invoke, 通过.x作为列表，尽管您需要使用将列表翻过来transpose:

mutate(
  df_both,
  result  = invoke_map_dbl(f, value_1),
  result2 = invoke_map_dbl(f2, transpose(list(value_1, value_2)))
)

# A tibble: 4 x 7
  key   value_1 value_2 f      f2     result result2
  <chr>   <dbl>   <dbl> <list> <list>  <dbl>   <dbl>
1 cat        1.      2. <fn>   <fn>     1.00    9.00
2 cat        2.      4. <fn>   <fn>     4.00   36.0 
3 dog        3.      6. <fn>   <fn>     1.73    3.00
4 dog        4.      8. <fn>   <fn>     2.00    3.46

然后，一组三个参数函数将简单地扩展到invoke_map_dbl(f3, transpose(list(value_1, value_2, value_3))

请注意，这种方法不适用于大型数据集，因为您没有使用矢量化。

更具可扩展性的替代方案可能涉及嵌套，其中您至少在每个组中应用每个函数一次：

df_both %>% 
  group_by(key) %>% 
  nest() %>% 
  mutate(data = map(
    data, 
    ~mutate(., result = first(f)(value_1), result2 = first(f2)(value_1, value_2))
    )) %>% 
  unnest()

这给出了相同的结果。