首页
/ dplyr中替代do()函数的最佳实践

dplyr中替代do()函数的最佳实践

2025-06-10 20:08:06作者:毕习沙Eudora

背景介绍

在dplyr包的发展过程中,do()函数曾经是分组操作的重要工具,但随着包版本的更新迭代,do()函数逐渐被标记为过时(deprecated)。本文探讨在最新版dplyr中如何优雅地替代do()函数的功能,特别是在需要访问分组变量信息的情况下。

问题场景

考虑一个典型的数据处理场景:我们需要按某个变量分组后,对每个分组应用一个自定义函数,该函数需要访问分组变量信息,最终将所有结果合并为一个数据框。

传统上,我们可以使用do()函数轻松实现:

iris |>
  group_by(Species) |>
  do(fun(.))

但随着do()函数被弃用,我们需要寻找现代替代方案。

现有替代方案分析

1. purrr::map方法

使用purrr::map结合splitbind_rows可以实现类似功能,但会丢失分组变量信息:

purrr::map(
  split(iris, ~Species),
  fun
) |>
  dplyr::bind_rows()

这种方法的主要缺点是分组变量信息不会自动保留在结果中。

2. nest_by方法

nest_by可以创建嵌套数据框,但嵌套后的数据无法直接访问分组变量:

iris |>
  nest_by(Species) |>
  mutate(data = list(fun(data)))

这种方法会触发警告,因为函数内部无法识别分组变量。

3. group_modify方法

group_modify是最接近do()的替代方案,但目前仍标记为实验性功能:

iris |>
  group_by(Species) |>
  group_modify(~ fun(.x))

虽然功能完善,但不建议在生产环境中使用实验性功能。

推荐解决方案

reframe + cur_group组合

目前最稳定且推荐的替代方案是使用reframe结合cur_grouppick

fun <- function(data, group) {
  if (group$Species == "setosa") {
    tail(data, n = 3) |> select(Petal.Length)
  } else {
    head(data, n = 3) |> select(Petal.Length)
  }
}

iris |>
  reframe(.by = Species, {
    fun(pick(everything()), cur_group())
  })

这种方法的关键点:

  1. reframe替代了do的分组操作功能
  2. pick(everything())选择当前分组的所有数据
  3. cur_group()提供当前分组的信息
  4. 函数需要调整为接受数据和分组信息两个参数

其他变通方案

如果无法修改原函数,可以考虑以下方法:

  1. 重复分组变量:在嵌套前复制分组变量
iris |> 
  mutate(Species2 = Species) |> 
  nest_by(Species2) |> 
  mutate(fn = list(fun(data))) |> 
  unnest(fn)
  1. 修改函数返回值:让函数返回包含分组变量的结果
fun3 <- function(x) {
  if (any(x$Species == "setosa")) {
    tail(x, n = 3) |> select(Species, Petal.Length)
  } else {
    head(x, n = 3) |> select(Species, Petal.Length)
  }
}

最佳实践建议

  1. 对于新代码,推荐使用reframe + cur_group组合
  2. 如果必须保持原函数不变,考虑复制分组变量或修改函数返回值
  3. 避免在生产代码中使用实验性功能如group_modify
  4. 考虑将复杂的分组操作重构为更模块化的函数,便于维护

总结

dplyr生态正在向更明确、更安全的分组操作范式演进。虽然从do()迁移需要一些调整,但新的方法提供了更好的类型安全性和代码清晰度。理解reframepickcur_group等新功能的组合使用,可以帮助开发者顺利过渡到dplyr的现代工作流程。

登录后查看全文
热门项目推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
262
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
863
511
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
259
300
kernelkernel
deepin linux kernel
C
22
5
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K