• 主页
  • 课程

    关于课程

    • 课程归档
    • 成为一名讲师
    • 讲师信息
    同等学历教学

    同等学历教学

    免费
    阅读更多
  • 特色
    • 展示
    • 关于我们
    • 问答
  • 事件
  • 个性化
  • 博客
  • 联系
  • 站点资源
    有任何问题吗?
    (00) 123 456 789
    weinfoadmin@weinformatics.cn
    注册登录
    恒诺新知
    • 主页
    • 课程

      关于课程

      • 课程归档
      • 成为一名讲师
      • 讲师信息
      同等学历教学

      同等学历教学

      免费
      阅读更多
    • 特色
      • 展示
      • 关于我们
      • 问答
    • 事件
    • 个性化
    • 博客
    • 联系
    • 站点资源

      未分类

      • 首页
      • 博客
      • 未分类
      • purrr 包之 map 系列函数

      purrr 包之 map 系列函数

      • 发布者 weinfoadmin
      • 分类 未分类, 老俊俊的生信笔记
      • 日期 2021年9月10日
      • 评论 0评论

      感谢老俊俊的大力支持。我们会每日跟新,欢迎您关注老俊俊的生信笔记。

      purrr 包是 Hadley Wickham 大神编写的高级函数编程语言包,相对于 apply 家族的函数操作,具有更快更好的使用效果,能够更好的提高写代码的效率。里面包含了很多函数,今天来介绍一下 map 的系列函数,** map ** 函数能够对向量或列表使用函数进行迭代操作。

      map()函数

      map 函数对 .x(向量或列表)的每个元素执行 .f(函数)操作,并返回一个 list,…为执行函数的其它参数。。以下是不同类型的 map 函数返回不同类型的结果:

      function returns 返回类型
      map list 列表
      map_chr character vector 字符型
      map_dbl double (numeric) vector 双精度
      map_df data frame 按合并成表格
      map_dfc data frame (column bind) 按列合并成表格
      map_dfr data frame (row bind) 按行合并成表格
      map_int integer vector 整数型
      map_lgl logical vector 逻辑型

      使用:

      # 加载R包
      library(dplyr)
      library(purrr)
      library(datasets)
      # 加载测试数据
      data("mtcars")
      # 查看数据
      head(mtcars)
                         mpg cyl disp  hp drat    wt  qsec vs am gear carb
      Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
      Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
      ...

      对每列求和:

      mtcars %>% map(.,mean)
      $mpg
      [1] 20.09062

      $cyl
      [1] 6.1875

      $disp
      [1] 230.7219

      ...

      返回结果为字符型:

      mtcars %>% map_chr(.,mean)
               mpg          cyl         disp           hp         drat           wt         qsec
       "20.090625"   "6.187500" "230.721875" "146.687500"   "3.596563"   "3.217250"  "17.848750"
                vs           am         gear         carb
        "0.437500"   "0.406250"   "3.687500"   "2.812500"

      返回结果为双精度型:

      mtcars %>% map_dbl(.,mean)
             mpg        cyl       disp         hp       drat         wt       qsec         vs         am
       20.090625   6.187500 230.721875 146.687500   3.596563   3.217250  17.848750   0.437500   0.406250
            gear       carb
        3.687500   2.812500

      返回结果为表格按列合并:

      mtcars %>% map_dfc(.,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

      加入自定义函数使用:

      lst <- list(a = c(1:5),b = c(2:6))
      # 定义加1函数
      myfun <- function(x){x + 1}
      # 对每个list元素加1,结果合并成表格
      map_df(lst,myfun)
      # A tibble: 5 x 2
            a     b
        <dbl> <dbl>
      1     2     3
      2     3     4
      3     4     5
      4     5     6
      5     6     7

      多参数,对每个元素取log以2为底数:

      lst <- list(a = c(1:5),b = c(2:6))
      map(lst,log,base = 2)
      $a
      [1] 0.000000 1.000000 1.584963 2.000000 2.321928

      $b
      [1] 1.000000 1.584963 2.000000 2.321928 2.584963

      map2()函数

      map2 函数对两个向量或列表配对的元素进行 .f(函数)操作,元素长度必须一样,…为执行函数的其它参数。

      使用:

      对 mpg 和 disp 两列每个对应元素求和:

      map2_dbl(mtcars$mpg,mtcars$disp,sum)
      [1] 181.0 181.0 130.8 279.4 378.7 243.1 374.3 171.1 163.6 186.8 185.4 292.2 293.1 291.0 482.4 470.4
      [17] 454.7 111.1 106.1 105.0 141.6 333.5 319.2 363.3 419.2 106.3 146.3 125.5 366.8 164.7 316.0 142.4

      使用自定义函数:

      x = c(1:4) ; x
      [1] 1 2 3 4
      y = c(2:5) ; y
      [1] 2 3 4 5
      # 定义函数
      myfun <- function(x,y){x*x + y}
      # 计算,返回双精度
      map2_dbl(x,y,myfun)
      [1]  3  7 13 21

      假如两个向量或列表长度不等:

      x = c(1:3) ; x
      [1] 1 2 3
      y = c(2:5) ; y
      [1] 2 3 4 5
      myfun <- function(x,y){x*x + y}
      map2_dbl(x,y,myfun)
      错误: Mapped vectors must have consistent lengths:
      * `.x` has length 3
      * `.y` has length 4

      对两个列表操作:

      # lst1
      x = c(1:4)
      y = c(2:5)
      lst1 <- list(x,y) ; lst1
      [[1]]
      [1] 1 2 3 4

      [[2]]
      [1] 2 3 4 5
      # lst2
      a = c(-1:-4) ; a
      [1] -1 -2 -3 -4
      b = c(-2:-5) ; b
      [1] -2 -3 -4 -5
      lst2 <- list(a,b) ; lst2
      [[1]]
      [1] -1 -2 -3 -4

      [[2]]
      [1] -2 -3 -4 -5
      # 定义两个列表每个对应元素相加函数
      myfun <- function(x,y){x + y}
      # 计算
      map2(lst1,lst2,myfun)
      [[1]]
      [1] 0 0 0 0

      [[2]]
      [1] 0 0 0 0

      多参数,自定义多参数:

      myfun <- function(x,y,n = 0){x + y + n}
      map2(lst1,lst2,myfun,n=1)
      [[1]]
      [1] 1 1 1 1

      [[2]]
      [1] 1 1 1 1

      对于 map2 函数,返回结果的类型和 map 相似,只需要 map2_* 跟上相应类型即可:

      pmap()函数

      pmap 函数可对多个向量或列表对应的元素进行 .f(函数)操作,…为执行函数的其它参数。

      使用:

      x <- list(1, 1, 1)
      y <- list(10, 20, 30)
      z <- list(100, 200, 300)

      pmap_dbl(list(x, y, z), sum)
      [1] 111 221 331

      计算x和y的和,再与z的乘积,按位置迭代:

      pmap_dbl(list(x, y, z), function(first, second, third) {(first + third) * second})
      [1] 1010 4020 9030

      计算x和z的和,再与y的乘积,按名字迭代:

      l <- list(a = x, b = y, c = z) ; l
      $a
      $a[[1]]
      [1] 1

      $a[[2]]
      [1] 1

      $a[[3]]
      [1] 1
      ...
      pmap_dbl(l, function(c, b, a) {(a + c) * b})
      [1] 1010 4020 9030

      计算mtcars前两列和与后两列和的乘积:

      lst <- list(mtcars[,1],mtcars[,2],mtcars[,3],mtcars[,4])
      pmap_dbl(lst,function(a,b,c,d){(a + b)*(c + d)})
      [1]  7290.00  7290.00  5386.80 10083.20 14284.50  7953.00 13491.50  5927.08  6319.44
      [10]  7323.12  6916.28 11121.52 11531.74 10574.56 12456.80 12420.00 15209.00  5267.08
      [19]  4392.88  5158.19  5536.05 10998.00 10532.80 12673.50 15640.00  4538.50  6339.00
      [28]  7158.64 14637.00  8224.00 14628.00  5842.00

      invoke_map()函数

      invoke_map函数可以对每个list的元素执行多个不同的函数,…为执行函数的其它参数。

      使用:

      对x使用两个函数,一个加1,一个减1

      lst <- list(fun1 <- function(x){x+1},fun2 <- function(x){x-1})
      invoke_map(lst,x = 1:5)
      [[1]]
      [1] 2 3 4 5 6

      [[2]]
      [1] 0 1 2 3 4

      – END –

      欢迎小伙伴留言评论!

      点击我留言!

      今天的分享就到这里了,敬请期待下一篇!

      最后欢迎大家分享转发,您的点赞是对我的鼓励和肯定!

      如果觉得对您帮助很大,打赏一下吧!


      请关注“恒诺新知”微信公众号,感谢“R语言“,”数据那些事儿“,”老俊俊的生信笔记“,”冷🈚️思“,“珞珈R”,“生信星球”的支持!

      • 分享:
      作者头像
      weinfoadmin

      上一篇文章

      purrr 包之 list 处理系列函数
      2021年9月10日

      下一篇文章

      批量绘制单基因相关性图
      2021年9月10日

      你可能也喜欢

      2-1675088548
      lncRNA和miRNA生信分析系列讲座免费视频课和课件资源包,干货满满
      30 1月, 2023
      9-1675131201
      如何快速批量修改 Git 提交记录中的用户信息
      26 1月, 2023
      8-1678501786
      肿瘤细胞通过改变CD8+ T细胞中的丙酮酸利用和琥珀酸信号来调控抗肿瘤免疫应答。
      7 12月, 2022

      留言 取消回复

      要发表评论,您必须先登录。

      搜索

      分类

      • R语言
      • TCGA数据挖掘
      • 单细胞RNA-seq测序
      • 在线会议直播预告与回放
      • 数据分析那些事儿分类
      • 未分类
      • 生信星球
      • 老俊俊的生信笔记

      投稿培训

      免费

      alphafold2培训

      免费

      群晖配置培训

      免费

      最新博文

      Nature | 单细胞技术揭示衰老细胞与肌肉再生
      301月2023
      lncRNA和miRNA生信分析系列讲座免费视频课和课件资源包,干货满满
      301月2023
      如何快速批量修改 Git 提交记录中的用户信息
      261月2023
      logo-eduma-the-best-lms-wordpress-theme

      (00) 123 456 789

      weinfoadmin@weinformatics.cn

      恒诺新知

      • 关于我们
      • 博客
      • 联系
      • 成为一名讲师

      链接

      • 课程
      • 事件
      • 展示
      • 问答

      支持

      • 文档
      • 论坛
      • 语言包
      • 发行状态

      推荐

      • iHub汉语代码托管
      • iLAB耗材管理
      • WooCommerce
      • 丁香园论坛

      weinformatics 即 恒诺新知。ICP备案号:粤ICP备19129767号

      • 关于我们
      • 博客
      • 联系
      • 成为一名讲师

      要成为一名讲师吗?

      加入数以千计的演讲者获得100%课时费!

      现在开始

      用你的站点账户登录

      忘记密码?

      还不是会员? 现在注册

      注册新帐户

      已经拥有注册账户? 现在登录

      close
      会员购买 你还没有登录,请先登录
      • ¥99 VIP-1个月
      • ¥199 VIP-半年
      • ¥299 VIP-1年
      在线支付 激活码

      立即支付
      支付宝
      微信支付
      请使用 支付宝 或 微信 扫码支付
      登录
      注册|忘记密码?