R Academy · 课时

map() 与类型化变体

Q: 「map() 与类型化变体」这节课中我会学到什么？

使用 map()、map_dbl()、map_chr() 和 map_lgl() 对列表应用函数 你通过在浏览器中直接运行的动手代码来练习 R Academy，全天候 AI 导师会在你学习这节课的过程中回答你的问题。

使用 map()、map_dbl()、map_chr() 和 map_lgl() 对列表应用函数

map() 与类型化变体 是 CoddyKit 上的免费 R Academy 课时。这是第 1 节课，共 4 节。你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。这是 R Academy 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 R Academy 课程共包含 4 节课。

使用 purrr 进行函数式编程

purrr 包为 R 中的函数式编程提供了一致且类型安全的工具。您无需编写 for 循环，而是将一个函数映射到列表或向量的每个元素上。这样生成的代码更加简洁，也更易于理解和组合。

library(purrr)

# A list of numbers
numbers <- list(1, 4, 9, 16, 25)

# Apply sqrt() to each element
result <- map(numbers, sqrt)
print(result)

map() — 始终返回列表

map(.x, .f) 会将函数 .f 应用于 .x 的每个元素，并返回一个列表。输入可以是列表、向量或数据框（此时会遍历各列）。这是最通用的 map 变体。

library(purrr)

# Map over a character vector
fruits <- c('apple', 'banana', 'cherry')

# nchar() counts characters in each string
result <- map(fruits, nchar)
print(result)  # Returns a list
print(class(result))

map_dbl() — 返回数值向量

map_dbl(.x, .f) 会将 .f 映射到 .x，并返回数值型（双精度）向量。如果任何结果不是单个数值，就会抛出错误；这种类型安全机制可以及早发现错误。

library(purrr)

groups <- list(
  A = c(10, 20, 30),
  B = c(5, 15, 25, 35),
  C = c(100, 200)
)

# Compute mean for each group — returns a named numeric vector
means <- map_dbl(groups, mean)
print(means)
print(class(means))

map_chr() — 返回字符向量

map_chr(.x, .f) 会执行映射并返回字符向量。它适合提取字符串属性、格式化结果或构建文件路径。该函数必须为每个元素返回一个字符串。

library(purrr)

models <- list(
  m1 = lm(mpg ~ wt, data=mtcars),
  m2 = lm(mpg ~ hp, data=mtcars),
  m3 = lm(mpg ~ cyl, data=mtcars)
)

# Extract the formula from each model as a string
map_chr(models, function(m) deparse(formula(m)))

map_lgl() — 返回逻辑向量

map_lgl(.x, .f) 返回由 TRUE/FALSE 值组成的逻辑向量。它非常适合对列表中的元素逐一测试条件，例如检查哪些元素满足某项标准。

library(purrr)

datasets <- list(
  df1 = data.frame(x=1:3, y=c(NA,2,3)),
  df2 = data.frame(x=1:3, y=4:6),
  df3 = data.frame(x=c(NA,NA,3), y=1:3)
)

# Does each data frame contain any NA values?
map_lgl(datasets, function(df) anyNA(df))

map_int() — 返回整数向量

map_int(.x, .f) 返回整数向量。当函数返回计数、索引或其他整数结果时，请使用它。注意：在 R 中，length() 和 nrow() 返回整数。

library(purrr)

my_lists <- list(
  a = 1:10,
  b = letters[1:5],
  c = c(TRUE, FALSE, TRUE, TRUE)
)

# Count elements in each list item
map_int(my_lists, length)

map_df() / map_dfr() — 返回数据框

map_df(.x, .f)（别名：map_dfr()）会应用 .f，并将结果按行绑定为一个数据框。该函数必须为每个元素返回一个数据框或 tibble。map_dfc() 则按列绑定。

library(purrr)

files <- c('sales_q1', 'sales_q2', 'sales_q3')

# Simulate reading and labeling each file
map_df(files, function(f) {
  data.frame(
    file = f,
    rows = sample(50:100, 1),
    cols = 5
  )
})

使用 ~ 创建匿名函数

purrr 支持一种简洁的匿名函数公式写法：~expr，其中 .x 表示当前元素。这样无需编写 function(x) expr，即可让代码更加简洁。这两种写法的效果完全相同。

library(purrr)

numbers <- list(1, 4, 9, 16, 25)

# Three equivalent ways:
result1 <- map(numbers, function(x) x^2)
result2 <- map(numbers, ~.x^2)
result3 <- map_dbl(numbers, ~.x^2)

print(result2)
print(result3)

遍历带名称的列表

当 .x 是带名称的列表或向量时，map() 的输出会保留这些名称。map_dbl() 及其他类型变体也会传递名称，使结果更易于理解。

library(purrr)

region_data <- list(
  East = c(100, 120, 115, 130),
  West = c(200, 195, 210, 205),
  North = c(80, 85, 90, 88)
)

# Named results
map_dbl(region_data, mean)

将 map() 与数据框列结合使用

数据框本质上是一个列的列表。map(df, fn) 会对每一列应用 fn。结合 map_dbl() 使用时，可以用简洁的方式一次性计算每一列的统计量。

library(purrr)

df <- data.frame(
  score_a = c(85, 90, 78, 92),
  score_b = c(88, 85, 80, 95),
  score_c = c(92, 88, 84, 90)
)

# Mean of every column
map_dbl(df, mean)

嵌套调用 map()

您可以嵌套调用 map() 来执行多层迭代：外层 map 遍历组，内层 map 遍历参数。这样可以用清晰且易于组合的结构替代嵌套的 for 循环。为保证可读性，请将嵌套深度控制在 2 层以内。

library(purrr)

groups <- list(A = 1:5, B = 6:10)
functions <- list(mean=mean, sd=sd, min=min)

# Apply each function to each group
map(groups, function(g) {
  map_dbl(functions, function(f) f(g))
})

快速检查

map() 和 map_dbl() 的主要区别是什么？

回顾：map() 与类型变体

关于 map() 和类型变体的要点：

map(.x, .f) — 始终返回列表；灵活性最高
map_dbl() — 返回 numeric 向量；类型错误时会报错
map_chr() — 返回字符向量
map_lgl() — 返回逻辑向量
map_int() — 返回整数向量
map_df() / map_dfr() — 将结果按行绑定为数据框
~.x 简写 — 简洁的匿名函数语法
带名称的输入会自动生成带名称的输出

library(purrr)

# Typed map showcase
data_list <- list(
  group_A = c(10, 20, 30),
  group_B = c(5, 15),
  group_C = c(100, 200, 300, 400)
)

cat('Counts:', map_int(data_list, length), '\n')
cat('Means: ', map_dbl(data_list, mean), '\n')
cat('Any>50:', map_lgl(data_list, ~any(.x > 50)), '\n')

常见问题解答

「map() 与类型化变体」课时是免费的吗？

是的 — 「map() 与类型化变体」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 R Academy 课程的其余内容，请升级到 CoddyKit PRO。 R Academy 课程共包含 4 节课。

「map() 与类型化变体」这节课中我会学到什么？

使用 map()、map_dbl()、map_chr() 和 map_lgl() 对列表应用函数你通过在浏览器中直接运行的动手代码来练习 R Academy，全天候 AI 导师会在你学习这节课的过程中回答你的问题。

学习 R Academy 需要有经验吗？

无需任何先前经验。CoddyKit 上的 R Academy 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。这是第 1 节课，共 4 节。

「map() 与类型化变体」课时需要多长时间？

大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。

我能在这节 R Academy 课中编写并运行代码吗？

能。每节 R Academy 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。

此课程中的所有课时

← 返回 R Academy