R中map()与map_dfr()的区别

Question

在使用purrr中的 Tidyverse 包时R，我看到该map()函数返回一个列表。

library(tidyverse)
set.seed(123)

map(1:5, ~rnorm(3))
#> [[1]]
#> [1] -0.5604756 -0.2301775  1.5587083
#> 
#> [[2]]
#> [1] 0.07050839 0.12928774 1.71506499
#> 
#> [[3]]
#> [1]  0.4609162 -1.2650612 -0.6868529
#> ......

我想将此列表转换为包含 3 列的数据框。一种选择是使用do.call(rbind, .). 不过，我也注意到这个map_dfr()功能的存在。

以与 相同的方式使用此函数map()会产生错误。

map_dfr(1:5, ~rnorm(3))
#> Error: Argument 1 must have names.

问题

导致此错误的函数map()和函数之间有什么区别？map_dfr()您应该如何使用该map_dfr()函数直接在映射函数中绑定行？

Answer 1

map_dfrmap当输出是数据帧或命名向量时直接绑定行：

library(dplyr)
library(purrr)

map(1:5, ~as.data.frame(matrix(rnorm(3),nrow=1)))
[[1]]
        V1        V2        V3
1 1.326029 0.4581257 0.4367454

[[2]]
          V1         V2        V3
1 -0.3769822 -0.2488601 -1.441538

[[3]]
          V1       V2         V3
1 -0.4931225 1.145818 -0.6269974

[[4]]
         V1       V2       V3
1 -1.679398 1.035032 1.784175

[[5]]
         V1        V2        V3
1 0.5158901 -2.322314 -1.145897

map_dfr(1:5, ~as.data.frame(matrix(rnorm(3),nrow=1)))
           V1         V2          V3
1  0.29250530 -0.8325543  0.21013608
2  1.03348415  0.3333718 -0.08498664
3  1.01011329  0.6583516 -0.49360421
4 -0.06229409 -0.1200969  0.06078136
5 -1.92491929  0.3891900 -0.57046411

它相当于：

map(1:5, ~as.data.frame(matrix(rnorm(3),nrow=1))) %>% bind_rows

您会收到错误，因为您提供的map_dfr向量没有列名。
这有效：

map_dfr(1:5, ~setNames(rnorm(3),LETTERS[1:3])) 
# A tibble: 5 x 3
       A      B      C
   <dbl>  <dbl>  <dbl>
1 -0.360 -1.36   1.40 
2  0.715  1.55   0.381
3  1.20  -0.179  0.315
4  0.126 -0.467  1.04 
5  1.31   0.375 -2.21