使用标准的评估和DO_无需do.call

Question

目标

我想用dplyr上的参数电网运行模拟运行的参数网格模拟。具体来说，我想我可以在

• 被传递一个data.frame
• 的每一行另一程序使用函数计算采用每列作为参数
• 也有些仿真通过一些额外的数据（例如，初始条件）

这里是我的方法

require(dplyr) 
run <- function(data, fun, fixed_parameters, ...) { 
    ## .... 
    ## argument checking 
    ## 

    fixed_parameters <- as.environment(fixed_parameters) 
    grouped_out <- do_(rowwise(data), ~ do.call(fun, c(., fixed_parameters, ...))) 
    ungroup(grouped_out) 
} 

钍是作品。例如，对于

growth <- function(n, r, K, b) { 
    # some dynamical simulation 
    # this is an obviously-inefficient way to do this ;) 
    n + r - exp(n)/K - b - rnorm(1, 0, 0.1) 
} 
growth_runner <- function(r, K, b, ic, ...) { 
    # a wrapper to run the simulation with some fixed values 
    n0 = ic$N0 
    T = ic$T 
    reps = ic$reps 
    data.frame(n_final = replicate(reps, {for(t in 1:T) { 
              n0 <- growth(n0, r, K, b) 
             }; 
             n0}) 
) 
} 

我可以定义和运行，

data <- expand.grid(b = seq(0.01, 0.5, length.out=10), 
         K = exp(seq(0.1, 5, length.out=10)), 
         r = seq(0.5, 3.5, length.out=10)) 
    initial_data = list(N0=0.9, T=5, reps=20) 
    output <- run(data, growth_runner, initial_data) 

问题

即使这似乎工作，我不知道是否有办法做到这一点不do.call。 （部分原因是issues with do.call。）

我真的很感兴趣的方法是用一些做同样的事情，但没有do.call的东西来代替行grouped_out <- do_(rowwise(data), ~ do.call(fun, c(., fixed_parameters, ...)))。 编辑：某种方式可以避免使用上述链接中列出的do.call的性能损失也会奏效。

注释和参考文献

• this question on do.call and standard evaluation in dplyr是有益的，但我正在寻找一种方式，如果可能避免do.call
• dplyr的nse vignette是在写这篇帮助的;而让我觉得.values可以在工作地点do.call

Answer 1

下面避免使用do.call，并提出以同样的方式作为OP输出。

首先，将函数的参数替换为您要传入的向量 - 这就是您将通过apply应用的参数。

growth_runner <- function(data.in, ic, ...) { 
    # a wrapper to run the simulation with some fixed values 
    n0 = ic$N0 
    T = ic$T 
    reps = ic$reps 
    data.frame(n_final = replicate(reps, {for(t in 1:T) { 
    n0 <- growth(n0, data.in[3], data.in[2], data.in[1]) 
    }; 
    n0}) 
) 
} 

设置您想要搜索的网格，就像以前一样。

data <- expand.grid(b = seq(0.01, 0.5, length.out=10), 
        K = exp(seq(0.1, 5, length.out=10)), 
        r = seq(0.5, 3.5, length.out=10)) 
initial_data = list(N0=0.9, T=5, reps=20) 

使用申请办理网格，然后附加结果

output.mid = apply(data, 1, ic=initial_data, FUN=growth_runner) 
output <- data.frame('n_final'=unlist(output.mid)) 

而且你有没有到do.call任何电话或任何外部库的输出。

> dim(output) 
[1] 20000  1 
> head(output) 
    n_final 
1 -0.6375070 
2 -0.7617193 
3 -0.3266347 
4 -0.7921655 
5 -0.5874983 
6 -0.4083613 

Answer 2

您可以替换do.call在符合以下（感谢@shorpy您指出purrr:invoke_rows()）：

grouped_out <- purrr::invoke_rows(fun, dplyr::rowwise(data), fixed_parameters) 

没有任何其他的变化，这会给一个数据帧数据帧的列，如

Source: local data frame [1,000 x 4] 
      b  K  r    .out 
     (dbl) (dbl) (dbl)    (chr) 
1 0.01000000 1.105171 0.5 <data.frame [20,1]> 
2 0.06444444 1.105171 0.5 <data.frame [20,1]> 
3 0.11888889 1.105171 0.5 <data.frame [20,1]> 

要恢复更接近原始行为的东西，请将第的run与

dplyr::ungroup(tidyr::unnest(grouped_out, .out)) 

Ë最后一行赋予

Source: local data frame [20,000 x 4] 

     b  K  r n_final 
    (dbl) (dbl) (dbl)  (dbl) 
1 0.01 1.105171 0.5 -0.6745470 
2 0.01 1.105171 0.5 -0.7500365 
3 0.01 1.105171 0.5 -0.6568312 

并无其他变动的代码需要:)

Answer 3

我发现它有点棘手跟随你的代码，但我认为这相当于。

首先我定义，它的计算你感兴趣的函数：

growth_t <- function(n0, r, K, b, T) { 
    n <- n0 

    for (t in 1:T) { 
    n <- n + r - exp(n)/K - b - rnorm(1, 0, 0.1) 
    } 
    n 
} 

然后我定义要改变数据，包括代表一个“虚拟”变量：

data <- expand.grid(
    b = seq(0.01, 0.5, length.out = 5), 
    K = exp(seq(0.1, 5, length.out = 5)), 
    r = seq(0.5, 3.5, length.out = 5), 
    rep = 1:20 
) 

然后我可以喂它到purrr::pmap_d()。 pmap_d()做了一个“并行”映射 - 即它将一个列表（或数据帧）作为输入，并调用函数来改变每次迭代的所有命名参数。固定参数在函数名称后面提供。

library(purrr) 
data$output <- pmap_dbl(data[1:3], growth_t, n0 = 0.9, T = 5) 

这真的不觉得像我的dplyr问题，因为它不是真正的数据处理。