R. tidyverse，purrr包

map 函数

1. map_家族

map()         # 返回一个列表（list）
map_df()    # 返回data.frame
map_lgl()    # 返回一个逻辑型向量
map_int()    # 返回一个整数型向量
map_dbl()   # 返回双精度数值向量
map_chr()   # 返回字符串向量
map_if()      

如：

mtcars %>% map(function(x) (x - mean(x)/max(x)-min(x)))  # list
mtcars %>% map_df(function(x) (x - mean(x)/max(x)-min(x)))# data.frame
mtcars[,2:5]%>%map_if(is.factor,as.character,.else=as.integer)

map
map_df

2. 类似于apply函数

df <- data.frame(a = c(1,2,3, NA), b = c(2,3,4,5), c = c(4,5,6,7)) 
df %>% map_dbl(median, na.rm = T)
df %>% map_df(median, na.rm = T)
apply(df, MARGIN = 2,median, na.rm = T)

Fig 1. 可传入na.rm=T参数

3. 与function(){}自编函数连用

models <- mtcars %>% split(.$cyl) %>% map(function(df) lm(mpg ~ wt, data = df))
#简易写法
models <- mtcars %>% split(.$cyl) %>% map(~lm(mpg ~ wt, data = .))
coeff <- models %>% map(summary) %>% map_dbl(function(df) df$r.squared)
coeff <- models %>% map(summary) %>% map_dbl(~.$r.squared)

4. map, map2 and pmap

x <- list(1, 10, 100)
y <- list(1, 2, 3)
z <- list(5, 50, 500)
df <- data.frame(a = c(1,2,3,4), b = c(2,3,4,5), c = c(4,5,6,7)) 
map(df,median) 
map2(x,y,sum)  # 这个是2个输入参数的函数
pmap(list(x, y, z), sum)  # 需要放在list中

walk函数

plots <- mtcars %>% split(.$cyl) %>% 
  map(~ ggplot(data = ., aes(x = mpg, y = wt)) + geom_point())
name<- paste0(names(plots), ".pdf")
pwalk(list(name, plots), ggsave, path = "~/Documents/4.R语言/6. cookbook and ggplot2数据分析与图形艺术/1. Figure")

reduce and accumulate ----------------------

reduce函数采用“二进制”函数（即具有两个主输入的函数），并将其重复应用于列表，直到只剩下一个元素。
下面示例中full_join()就有两个主输入的函数。

dfs <- list(
  age = tibble(name = "John", age = 30),
  sex = tibble(name = c("John", "Mary"), sex = c("M", "F")),
  trt = tibble(name = "Mary", treatment = "A")
)

dfs %>% reduce(full_join)

accumulate()与reduce()是类似的，但它保留了所有的中期结果。

f2<-function(x,y){x+y}
a = c(1,2,3,4)
reduce(a, f2)
res = accumulate(a, f2)
res
str(res)