r - 使用带有 a 的 pmap 将不同的正则表达式应用于 tibble 中的不同变量？

问题描述

这个问题非常类似于Using pmap to apply different regular expressions to different variables in a tibble? ，但有所不同，因为我意识到我的示例不足以描述我的问题。

我正在尝试将不同的正则表达式应用于小标题中的不同变量。例如，我制作了一个 tibble 列表 1) 我要修改的变量名，2) 我要匹配的正则表达式，以及 3) 替换字符串。我想将正则表达式/替换应用于不同数据框中的变量。请注意，目标 tibble 中可能有我不想修改的变量，并且我的“配置”tibble 中的行顺序可能与我的“目标”tibble 中的列/变量顺序不对应。

所以我的“配置”标题可能如下所示：

test_config <-  dplyr::tibble(
  string_col = c("col1", "col2", "col4", "col3"),
  pattern = c("^\\.$", "^NA$", "^$", "^NULL$"),
  replacement = c("","","", "")
)

我想将此应用于目标小标题：

test_target <- dplyr::tibble(
  col1 = c("Foo", "bar", ".", "NA", "NULL"),
  col2 = c("Foo", "bar", ".", "NA", "NULL"),
  col3 = c("Foo", "bar", ".", "NA", "NULL"),
  col4 = c("NULL", "NA", "Foo", ".", "bar"),
  col5 = c("I", "am", "not", "changing", ".")
)

因此，目标是在 test_target 的用户指定列/变量中用空字符串替换不同的字符串。

结果应该是这样的：

result <- dplyr::tibble(
  col1 = c("Foo", "bar", "", "NA", "NULL"),
  col2 = c("Foo", "bar", ".", "", "NULL"),
  col3 = c("Foo", "bar", ".", "NA", ""),
  col4 = c("NULL", "NA", "Foo", ".", "bar"),
  col5 = c("I", "am", "not", "changing", ".")
)

我可以用 for 循环做我想做的事，如下所示：

for (i in seq(nrow(test_config))) {
  test_target <- dplyr::mutate_at(test_target,
                   .vars = dplyr::vars(
                     tidyselect::matches(test_config$string_col[[i]])),
                   .funs = dplyr::funs(
                     stringr::str_replace_all(
                       ., test_config$pattern[[i]], 
                       test_config$replacement[[i]]))
  )
}

相反，有没有更整洁的方式来做我想做的事？到目前为止，我认为这purrr::pmap是完成这项工作的工具，我制作了一个函数，它接受数据框、变量名称、正则表达式和替换值，并返回修改了单个变量的数据框。它的行为符合预期：

testFun <- function(df, colName, regex, repVal){
  colName <- dplyr::enquo(colName)
  df <- dplyr::mutate_at(df,
                         .vars = dplyr::vars(
                           tidyselect::matches(!!colName)),
                         .funs = dplyr::funs(
                           stringr::str_replace_all(., regex, repVal))
  )
}

# try with example
out <- testFun(test_target, 
               test_config$string_col[[1]], 
               test_config$pattern[[1]], 
               "")

但是，当我尝试将该函数与一起使用时pmap，我遇到了几个问题：1) 有没有比这更好的方法来构建 pmap 调用的列表？

purrr::pmap(
    list(test_target, 
         test_config$string_col, 
         test_config$pattern, 
         test_config$replacement),
    testFun
)

2）当我打电话时pmap，我收到一个错误：

Error: Element 2 has length 4, not 1 or 5.

所以pmap我不高兴我试图将长度为 5 的 tibble 作为其他元素长度为 4 的列表的元素传递（我认为它会回收 tibble）。

另请注意，以前，当我pmap使用 4-row tibble 调用时，我得到了一个不同的错误，

Error in UseMethod("tbl_vars") : 
  no applicable method for 'tbl_vars' applied to an object of class "character"
Called from: tbl_vars(tbl)

你们中的任何人都可以提出一种使用 pmap 来做我想做的事情的方法，或者是否有不同或更好的 tidyverse 方法来解决这个问题？

谢谢！

标签： rpurrr

解决方案

这里有两种tidyverse方法。一个类似于data.table答案，因为它涉及重塑数据，将其与配置连接，并重新整形回宽。另一种是purrr基于 - 的，在我看来，这是一种奇怪的方法。我推荐第一个，因为它感觉更直观。

用于tidyr::gather使数据长形，然后dplyr::left_join确保来自的每个文本值test_target都有相应的模式和替换——即使是没有模式的情况（col5）也将通过使用左连接来保留。

library(tidyverse)
...

test_target %>%
  gather(key = col, value = text) %>%
  left_join(test_config, by = c("col" = "string_col"))
#> # A tibble: 25 x 4
#>    col   text  pattern replacement
#>    <chr> <chr> <chr>   <chr>      
#>  1 col1  Foo   "^\\.$" ""         
#>  2 col1  bar   "^\\.$" ""         
#>  3 col1  .     "^\\.$" ""         
#>  4 col1  NA    "^\\.$" ""         
#>  5 col1  NULL  "^\\.$" ""         
#>  6 col2  Foo   ^NA$    ""         
#>  7 col2  bar   ^NA$    ""         
#>  8 col2  .     ^NA$    ""         
#>  9 col2  NA    ^NA$    ""         
#> 10 col2  NULL  ^NA$    ""         
#> # ... with 15 more rows

使用ifelse替换模式存在的模式，或者如果模式不存在则保留原始文本。只保留必要的模式，添加行号，因为spread需要唯一的 ID，并再次使数据变宽。

test_target %>%
  gather(key = col, value = text) %>%
  left_join(test_config, by = c("col" = "string_col")) %>% 
  mutate(new_text = ifelse(is.na(pattern), text, str_replace(text, pattern, replacement))) %>%
  select(col, new_text) %>%
  group_by(col) %>%
  mutate(row = row_number()) %>%
  spread(key = col, value = new_text) %>%
  select(-row)
#> # A tibble: 5 x 5
#>   col1  col2  col3  col4  col5    
#>   <chr> <chr> <chr> <chr> <chr>   
#> 1 Foo   Foo   Foo   NULL  I       
#> 2 bar   bar   bar   NA    am      
#> 3 ""    .     .     Foo   not     
#> 4 NA    ""    NA    .     changing
#> 5 NULL  NULL  ""    bar   .

第二种方法是制作一个仅包含列名的小标题，将其与配置连接，然后拆分为列表列表。然后purrr::map2_dfc映射到您创建的这个列表和的列，并通过ingtest_target返回一个数据框。cbind这样做的原因是数据框在技术上是列的列表，因此如果您映射到数据框，您会将每一列视为列表项。我无法ifelse在这里工作——逻辑中的某些东西只有单个字符串而不是整个向量返回。

tibble(all_cols = names(test_target)) %>%
  left_join(test_config, by = c("all_cols" = "string_col")) %>%
  split(.$all_cols) %>%
  map(as.list) %>%
  map2_dfc(test_target, function(info, text) {
    if (is.na(info$pattern)) {
      text
    } else {
      str_replace(text, info$pattern, info$replacement)
    }
  })
#> # A tibble: 5 x 5
#>   col1  col2  col3  col4  col5    
#>   <chr> <chr> <chr> <chr> <chr>   
#> 1 Foo   Foo   Foo   NULL  I       
#> 2 bar   bar   bar   NA    am      
#> 3 ""    .     .     Foo   not     
#> 4 NA    ""    NA    .     changing
#> 5 NULL  NULL  ""    bar   .

^{由reprex 包（v0.2.1）于 2018 年 10 月 30 日创建}

r - 使用带有 a 的 pmap 将不同的正则表达式应用于 tibble 中的不同变量？

问题描述

解决方案

推荐阅读