使用dplyr＆purrr检测每个dataframe列的缺失值数

Question

从R内置数据集airquality获取一个简单的数据框并检查它们的缺失值：

airquality %>% summary

虽然这有效：

airquality %>% map_df(is.na) %>% map_df(sum)

  Ozone Solar.R  Wind  Temp Month   Day
  <int>   <int> <int> <int> <int> <int>
1    37       7     0     0     0     0

，这 - 在purrr语法中 - 也适用：

airquality %>% map_df(~sum(is.na(.)))
  Ozone Solar.R  Wind  Temp Month   Day
  <int>   <int> <int> <int> <int> <int>
1    37       7     0     0     0     0

，这不起作用：

airquality %>% map_df(sum(is.na(.)))

  Ozone Solar.R  Wind  Temp Month   Day
  <int>   <int> <dbl> <int> <int> <int>
1    23     148     8    82     6    13

我的问题是：你怎么解释最后的结果？

计算究竟发生在哪里 - 在dplyr或purrr？

Answer 1

在%>%中详细解释了help("%>%", package = "magrittr")周围各种语法的行为。

在这个特定的例子中，sum(is.na(.))不被解释为一个匿名函数，就像OP似乎期望的那样，因此.不是匿名函数的参数。

相反，.是管道的LHS（左侧）。

airquality %>% map_df(sum(is.na(.)))可以展开为map_df(airquality, .f = sum(is.na(airquality)))。

如果sum(is.na(airquality))的44论证是一个数字向量，那么help("map_df")将向.f和map_df进行攻击，

它被转换为提取器功能

总结：这是提取每列的第44个元素，并将其约束回数据帧。或者，通过一些过度简化，这将提取第44行。