使用purrr以编程方式创建新变量？

介绍

在最近参加Hadley Wickham的函数式编程课程之后，我决定尝试将一些课程应用于我在工作中的项目。自然，事实证明，我尝试的第一个项目比课堂上演示的示例更加复杂。是否有人建议使用该purrr软件包以使下面描述的任务更有效率？

项目背景

我需要将五分位数组分配给空间多边形数据框中的记录。除了记录标识符外，还有其他几个变量，我需要为每个变量计算五分位数组。

这是问题的症结所在：我被要求找出一个特定变量中的离群值，并在整个分析中忽略那些记录，只要它不会改变任何其他变量的第一个五分位数组的五分位数组成。

问题

我已经组合了一个dplyr管道（请参见下面的示例），该管道对单个变量执行此检查过程，但是如何重新编写此过程，以便可以有效地检查每个变量？

编辑：虽然可以通过中间步骤将数据的形状从宽变长，但是最终它需要返回其宽格式，以使其与@polygons空间多边形数据框的插槽匹配。

可重现的例子

您可以在此处找到完整的脚本：https : //gist.github.com/tiernanmartin/6cd3e2946a77b7c9daecb51aa11e0c94

库和设置

library(grDevices)      # boxplot.stats()
library(operator.tools) # %!in% logical operator
library(tmap)           # 'metro' data set
library(magrittr)       # piping
library(dplyr)          # exploratory data analysis verbs
library(purrr)          # recursive mapping of functions 
library(tibble)         # improved version of a data.frame
library(ggplot2)        # dot plot
library(ggrepel)        # avoid label overlap

options(scipen=999)
set.seed(888)

加载示例数据并获取其中的一小部分

data("metro")
    
m_spdf <- metro
# Take a sample
m <-  
        metro@data %>% 
        as_tibble %>% 
        select(-name_long,-iso_a3) %>% 
        sample_n(50)

> m
# A tibble: 50 x 10
          name pop1950 pop1960 pop1970 pop1980 pop1990
         <chr>   <dbl>   <dbl>   <dbl>   <dbl>   <dbl>
1       Sydney 1689935 2134673 2892477 3252111 3631940
2       Havana 1141959 1435511 1779491 1913377 2108381
3     Campinas  151977  293174  540430 1108903 1693359
4         Kano  123073  229203  541992 1349646 2095384
5         Omsk  444326  608363  829860 1032150 1143813
6  Ouagadougou   33035   59126  115374  265200  537441
7    Marseille  755805  928768 1182048 1372495 1418279
8      Taiyuan  196510  349535  621625 1105695 1636599
9       La Paz  319247  437687  600016  809218 1061850
10   Baltimore 1167656 1422067 1554538 1748983 1848834
# ... with 40 more rows, and 4 more variables:
#   pop2000 <dbl>, pop2010 <dbl>, pop2020 <dbl>,
#   pop2030 <dbl>

计算有无异常记录的五分位数组

# Calculate the quintile groups for one variable (e.g., `pop1990`)
m_all <- 
        m %>% 
        mutate(qnt_1990_all = dplyr::ntile(pop1990,5))

# Find the outliers for a different variable (e.g., 'pop1950')
# and subset the df to exlcude these outlier records
m_out <- boxplot.stats(m$pop1950) %>% .[["out"]]
        
m_trim <- 
        m %>% 
        filter(pop1950 %!in% m_out) %>% 
        mutate(qnt_1990_trim = dplyr::ntile(pop1990,5))

# Assess whether the outlier trimming impacted the first quintile group
m_comp <- 
        m_trim %>% 
        select(name,dplyr::contains("qnt")) %>% 
        left_join(m_all,.,"name") %>% 
        select(name,dplyr::contains("qnt"),everything()) %>% 
        mutate(qnt_1990_chng_lgl = !is.na(qnt_1990_trim) & qnt_1990_trim != qnt_1990_all,
               qnt_1990_chng_dir = if_else(qnt_1990_chng_lgl,
                                           paste0(qnt_1990_all," to ",qnt_1990_trim),
                                           "No change"))

在一点协助下ggplot2，我可以看到在这个例子中，确定了6个离群点，并且他们的遗漏并没有影响到第一个五分位数的群体pop1990。

重要的是，此信息在两个新变量中进行了跟踪：qnt_1990_chng_lgl和qnt_1990_chng_dir。

> m_comp %>% select(name,qnt_1990_chng_lgl,qnt_1990_chng_dir,everything())
# A tibble: 50 x 14
          name qnt_1990_chng_lgl qnt_1990_chng_dir qnt_1990_all qnt_1990_trim
         <chr>             <lgl>             <chr>        <dbl>         <dbl>
1       Sydney             FALSE         No change            5            NA
2       Havana              TRUE            4 to 5            4             5
3     Campinas              TRUE            3 to 4            3             4
4         Kano             FALSE         No change            4             4
5         Omsk             FALSE         No change            3             3
6  Ouagadougou             FALSE         No change            1             1
7    Marseille             FALSE         No change            3             3
8      Taiyuan              TRUE            3 to 4            3             4
9       La Paz             FALSE         No change            2             2
10   Baltimore             FALSE         No change            4             4
# ... with 40 more rows, and 9 more variables: pop1950 <dbl>, pop1960 <dbl>,
#   pop1970 <dbl>, pop1980 <dbl>, pop1990 <dbl>, pop2000 <dbl>, pop2010 <dbl>,
#   pop2020 <dbl>, pop2030 <dbl>

我现在需要找到一种方法来对数据帧中的每个变量（即pop1960- pop2030）重复此过程。理想情况下，将为每个现有pop*变量创建两个新变量，并在它们的名称之前qnt_或之后加上_chng_dir或_chng_lgl。

是purrr用于此的正确工具吗？dplyr::mutate_？data.table？