r - R 在列表列工作流程中使用 dplyr::select()

Question

我有一个大型数据框列表，我想对每个数据框进行子集化，只保留某些列。我想要的列的名称包含在每个数据帧唯一的字符向量中。

一种方法是使用列表列工作流。我将创建一个数据框，其中包含data保存数据框的cols列表列和保存字符向量的列表列。

真正的应用将包括一个包含 24 个大型数据集的列表，以及一个包含 24 个独特字符向量的列表。下面是这个数据结构的一个最小例子来说明这个问题：

set.seed(2346)
df <- tibble(
  col1 = sample(c(0,1), replace=T, size=10),
  col2 = sample(c(0,1), replace=T, size=10),
  col3 = sample(c(0,1), replace=T, size=10),
  col4 = sample(c(0,1), replace=T, size=10)
)

cols <- c("col1", "col3")

df_list_col <- tibble(
  data = list(df), 
  cols = list(cols)
)

df_list_col具有列表列结构，但仅在一行中。

我尝试的解决方案是创建第三个列表列来保存子集数据框。因此：

df_output <- df_list_col %>% 
  mutate(subset = select(.$data, !!.$cols))

但这会返回一个错误：

#   Error: Problem with `mutate()` input `subset`.
# x `select()` doesn't handle lists.
# ℹ Input `subset` is `select(.$data, list(c("col1", "col3")))`.

我还尝试使用purrr::map来应用该功能：

df_output <- df_list_col %>% 
  mutate(subset = map(.$data, ~ select(.x, !!.$cols)))

但这会返回类似的错误。在这两种情况下，select()都将列名的向量视为列表，而不是向量。我对如何改变这种行为感到困惑。

提前感谢您的帮助！

标签： rdplyrpurrr

Answer 1

两者都是list列。我们可以通过unlisting 或[[in提取来提取select

dplyr::select(df_list_col$data[[1]], unlist(df_list_col$cols))

或另一种选择!!!

select(df_list_col$data[[1]], !!! df_list_col$cols)

---

或者使用tidyverse语法

library(dplyr)
library(purrr)
df_list_col %>% 
         mutate(subset = map2(data, cols, ~ .x %>% select(all_of(.y))))

-输出

# A tibble: 1 x 3
#  data              cols      subset           
#  <list>            <list>    <list>           
#1 <tibble [10 × 4]> <chr [2]> <tibble [10 × 2]>

---

或与pmap

df_list_col %>%
     mutate(subset = pmap(cur_data(),  ~ select(..1, all_of(..2 ))))