R语言

关注公众号 jb51net

关闭
首页 > 软件编程 > R语言 > R语言map与reduce

浅析R语言中map(映射)与reduce(规约)

作者:FTDdata

大家在R语言数据处理中非常常见map(映射)与reduce(规约)操作,map表示映射,可以在一个或多个列表/向量的每个位置上应用相同函数进行计算而reduce函数表示规约,计算向量中相邻的两个元素,本文给大家介绍R语言map与reduce的相关知识,感兴趣的朋友一起看看吧

map(映射)与reduce(规约)操作在数据处理中非常常见,R语言的核心是向量化操作,自带的apply系列函数完成了数据框的向量化计算,而purrr包中的map与reduce系列函数很好的拓展了向量化计算,使R语言处理数据更加优雅流畅。

purrr包是tidyverse系列中的包,开发者是大名鼎鼎的Hadley Wickham。purrr包中的函数很多,使用最多的是mapreduce系列函数。

安装包

install.packages('purrr')

map

map表示映射,可以在一个或多个列表/向量的每个位置上应用相同函数进行计算。map函数的映射对象只有一个。

map.png

map(.x, .f, …)
.x: 列表或向量;
.f: 映射函数;
...: 映射函数的其他参数

# 加载包
library(purrr)
# 单个向量map
1:4 %>%
  map(rnorm)
## [[1]]
## [1] 0.1892454
## 
## [[2]]
## [1] -1.149757  1.782667
## 
## [[3]]
## [1] 0.9311241 0.5962078 0.8575180
## 
## [[4]]
## [1]  1.2708588  0.7957794 -0.0106283  0.5393979

map函数的结果来看,其返回与输入向量等长的结果,类型为列表

其他参数

可以指定映射函数的其他参数:

# 单个向量map,指定函数参数
1:4 %>%
  map(rnorm,mean=1,sd=2)
## [[1]]
## [1] 1.610763
## 
## [[2]]
## [1] -0.4034499  1.5814313
## 
## [[3]]
## [1] 2.806429 1.719962 2.005490
## 
## [[4]]
## [1] 2.170663 2.849836 1.085069 4.130320

匿名函数

传入的函数可以是匿名函数:

# 单个向量map,使用匿名函数
1:4 %>%
  map(function(x) rnorm(x))
## [[1]]
## [1] 0.01422782
## 
## [[2]]
## [1] 1.7895586 0.7135593
## 
## [[3]]
## [1]  0.0603224  1.0498781 -1.0028828
## 
## [[4]]
## [1]  0.2673761 -1.1297717  0.7769814  1.5304043

公式函数

还可以把函数当成一个公式传入,这是purrr提供的高级功能,能够简化代码量。

# 单个向量map,使用公式函数
1:4 %>%
  map(~rnorm(.x))
## [[1]]
## [1] -1.471681
## 
## [[2]]
## [1] -0.04243286 -0.68348293
## 
## [[3]]
## [1]  1.613470 -0.750001 -1.278718
## 
## [[4]]
## [1]  0.9369563 -0.5285622  0.8601058  1.8868754

map2

map2函数是map函数的变形,映射对象有两个,需要注意两个列表/向量的长度必须相同

map2.png

map2(.x,.y, .f, …)
.x: 列表或向量;
.y: 列表或向量,与.x等长;
.f: 映射函数;
...: 映射函数的其他参数

# 两个向量map
map2(1:3,2:4,sum)
## [[1]]
## [1] 3
## 
## [[2]]
## [1] 5
## 
## [[3]]
## [1] 7

用公式函数的方式:

# 两个向量map,使用公式函数
map2(1:3,2:4,~sum(.x,.y))
## [[1]]
## [1] 3
## 
## [[2]]
## [1] 5
## 
## [[3]]
## [1] 7
# 两个向量map,使用公式函数
map2(1:3,2:4,~sum(..1,..2))
## [[1]]
## [1] 3
## 
## [[2]]
## [1] 5
## 
## [[3]]
## [1] 7

pmap

pmap函数是map函数的变形,映射对象为多个,需要注意多个列表/向量的长度必须相同

pmap.png

pmap(.l, .f, …)
.l: 列表向量/列表;
.f: 映射函数;
...: 映射函数的其他参数

# 多个向量map
pmap(list(1:3,2:4,3:5),sum)
## [[1]]
## [1] 6
## 
## [[2]]
## [1] 9
## 
## [[3]]
## [1] 12

用公式函数的方式:

# 多个向量map,使用公式函数
pmap(list(1:3,2:4,3:5),~sum(..1,..2,..3))
## [[1]]
## [1] 6
## 
## [[2]]
## [1] 9
## 
## [[3]]
## [1] 12

map变形

map,map2pmap返回的数据格式都是列表,有时候需要对返回的结果进行数据格式转换,这时候可以直接使用map系列的变形函数,直接一步完成。

# 返回列表
map(mtcars,mean)
## $mpg
## [1] 20.09062
## 
## $cyl
## [1] 6.1875
## 
## $disp
## [1] 230.7219
## 
## $hp
## [1] 146.6875
## 
## $drat
## [1] 3.596563
## 
## $wt
## [1] 3.21725
## 
## $qsec
## [1] 17.84875
## 
## $vs
## [1] 0.4375
## 
## $am
## [1] 0.40625
## 
## $gear
## [1] 3.6875
## 
## $carb
## [1] 2.8125

使用map_df函数,直接返回数据框格式。

# 返回数据框
map_df(mtcars,mean)
## # A tibble: 1 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  20.1  6.19  231.  147.  3.60  3.22  17.8 0.438 0.406  3.69  2.81
# 返回字符向量
map_chr(mtcars,mean)
##          mpg          cyl         disp           hp         drat           wt 
##  "20.090625"   "6.187500" "230.721875" "146.687500"   "3.596563"   "3.217250" 
##         qsec           vs           am         gear         carb 
##  "17.848750"   "0.437500"   "0.406250"   "3.687500"   "2.812500"

其他的有:

reduce

reduce函数表示规约,计算向量中相邻的两个元素,结果再与第三个元素计算,…,最后计算出一个值。

reduce.png

reduce(.x, .f, …)
.x: 列表向量/列表;
.f: 规约函数;
...: 函数的其他参数

# 单个向量reduce
reduce(1:5,paste)

## [1] "1 2 3 4 5"

reduce2

reduce2函数可以同时对两个向量进行规约计算,注意第二个向量长度需要比第一个向量小1

reduce2(.x, .y,.f, …)
.x: 列表向量/列表;
.y: 列表向量/列表,长度比.x小1;
.f: 规约函数;
...: 函数的其他参数

# 多个向量reduce
reduce2(1:4,c(1,1,1),function(x,y,z) x+y-z)

## [1] 7

计算逻辑为第一次:1+2-1=2,第二次2+3-1=4,第三次4+4-1=7。

更多的purrr包中函数用法,可以参考:cheatsheet

以上就是浅析R语言中map与reduce的详细内容,更多关于R语言map与reduce的资料请关注脚本之家其它相关文章!

您可能感兴趣的文章:
阅读全文