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 13:32:24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

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
152
1.96 K
kernelkernel
deepin linux kernel
C
22
6
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
431
34
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
251
9
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
190
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
989
394
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
193
274
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
936
554
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
69