代码之家 › 专栏 › 技术社区 › J.Sabree

在R中,使用nest后,如何变异以将平均值作为列输入?

nest purrr mapping dplyr r

J.Sabree · 技术社区 · 3 年前

我正在尝试学习如何使用nest(),并尝试按参与者可能所在的3个时间段中的一个时间段进行嵌套,我想添加两列。第一列是总体平均值,我已经算出了。然后,我想通过时间变量嵌套,创建3个数据集(我已经计算出了),然后计算组平均值。我读到你应该创建一个函数( here ,第6.3.1节),但我的功能一直失败。我该怎么做?

此外,请在解决方案中使用nest或nest_by。我知道我可以像其他人一样使用group_by() here ,但在我的实际数据中,由于我需要进行其他计算,我需要这些数据集是3个独立的数据集。

#Here's my setup and sample data
library(dplyr)
library(purrr)
library(tidyr)

set.seed(1414)
test <- tibble(id = c(1:100),
               condition = c(rep(c("pre", "post"), 50)),
               time = c(case_when(condition == "pre" ~ 0,
                                  condition == "post" ~ sample(c(1, 2), size = c(100), replace = TRUE))),
               score = case_when(time == 0 ~ 1,
                                 time == 1 ~ 10,
                                 time == 2 ~ 100))


#Here's what I tried

#Nesting the data (works)
nested_test <- test %>%
  unite(col = "all_combos", c(condition, time)) %>%
  mutate(score2 = mean(score)) %>%
  nest_by(all_combos)

#Make mean function and map it (doesn't work)

my_mean <- function(data) {
  mean(score, na.rm = T)
}

nested_test %>%
  mutate(score3 = map(data, my_mean))

1 回复 | 直到 3 年前

akrun 3 年前

我们可能需要 ungroup 因为有 rowwise 属性,然后在上循环 data 具有 map 并使用创建列 mutate 关于嵌套 数据

library(dplyr)
library(purrr)
nested_test_new <- nested_test %>%
  ungroup %>%
   mutate(data = map(data, ~ .x %>%
    mutate(score3 = mean(score, na.rm = TRUE))))

-输出

nested_test_new
# A tibble: 3 Ã 2
  all_combos data             
  <chr>      <list>           
1 post_1     <tibble [19 Ã 4]>
2 post_2     <tibble [31 Ã 4]>
3 pre_0      <tibble [50 Ã 4]>
> nested_test_new$data
[[1]]
# A tibble: 19 Ã 4
      id score score2 score3
   <int> <dbl>  <dbl>  <dbl>
 1     2    10   33.4     10
 2     4    10   33.4     10
 3    14    10   33.4     10
 4    16    10   33.4     10
 5    18    10   33.4     10
 6    28    10   33.4     10
 7    30    10   33.4     10
 8    32    10   33.4     10
 9    38    10   33.4     10
10    44    10   33.4     10
11    48    10   33.4     10
12    60    10   33.4     10
13    64    10   33.4     10
14    78    10   33.4     10
15    80    10   33.4     10
16    86    10   33.4     10
17    92    10   33.4     10
18    96    10   33.4     10
19   100    10   33.4     10

[[2]]
# A tibble: 31 Ã 4
      id score score2 score3
   <int> <dbl>  <dbl>  <dbl>
 1     6   100   33.4    100
 2     8   100   33.4    100
 3    10   100   33.4    100
 4    12   100   33.4    100
...

或者另一种选择是 nest_mutate 从…起 nplyr

library(nplyr)
test %>%
  unite(col = "all_combos", c(condition, time)) %>%
  mutate(score2 = mean(score)) %>%
  nest(data = -all_combos) %>%
  nest_mutate(data, score3 = mean(score, na.rm = TRUE))

-输出

# A tibble: 3 Ã 2
  all_combos data             
  <chr>      <list>           
1 pre_0      <tibble [50 Ã 4]>
2 post_1     <tibble [19 Ã 4]>
3 post_2     <tibble [31 Ã 4]>