我正在尝试将对plyr的理解转移到dplyr中，但我无法弄清楚如何按多列进行分组。
# make data with weird column names that can't be hard coded
data = data.frame(
asihckhdoydkhxiydfgfTgdsx = sample(LETTERS[1:3], 100, replace=TRUE),
a30mvxigxkghc5cdsvxvyv0ja = sample(LETTERS[1:3], 100, replace=TRUE),
value = rnorm(100)
)
# get the columns we want to average within
columns = names(data)[-3]
# plyr - works
ddply(data, columns, summarize, value=mean(value))
# dplyr - raises error
data %.%
group_by(columns) %.%
summarise(Value = mean(value))
#> Error in eval(expr, envir, enclos) : index out of bounds
将plyr示例转换为dplyr-esque语法我缺少什么？
编辑2017 ：Dplyr已更新，因此可以使用更简单的解决方案。查看当前选择的答案。
答案 0 :(得分：99)
只是为了完整地编写代码，这里是对Hadley的新语法答案的更新：
library(dplyr)
df <- data.frame(
asihckhdoydk = sample(LETTERS[1:3], 100, replace=TRUE),
a30mvxigxkgh = sample(LETTERS[1:3], 100, replace=TRUE),
value = rnorm(100)
)
# Columns you want to group by
grp_cols <- names(df)[-3]
# Convert character vector to list of symbols
dots <- lapply(grp_cols, as.symbol)
# Perform frequency counts
df %>%
group_by_(.dots=dots) %>%
summarise(n = n())
输出：
Source: local data frame [9 x 3]
Groups: asihckhdoydk
asihckhdoydk a30mvxigxkgh n
1 A A 10
2 A B 10
3 A C 13
4 B A 14
5 B B 10
6 B C 12
7 C A 9
8 C B 12
9 C C 10
答案 1 :(得分：57)
dplyr对此的支持目前相当薄弱，最终我认为语法将是这样的：
df %.% group_by(.groups = c("asdfgfTgdsx", "asdfk30v0ja"))
但这可能不会存在一段时间（因为我需要考虑所有后果）。
与此同时，您可以使用regroup()，其中包含符号列表：
library(dplyr)
df <- data.frame(
asihckhdoydk = sample(LETTERS[1:3], 100, replace=TRUE),
a30mvxigxkgh = sample(LETTERS[1:3], 100, replace=TRUE),
value = rnorm(100)
)
df %.%
regroup(list(quote(asihckhdoydk), quote(a30mvxigxkgh))) %.%
summarise(n = n())
如果您有列名称的字符向量，则可以使用lapply()和as.symbol()将其转换为正确的结构：
vars <- setdiff(names(df), "value")
vars2 <- lapply(vars, as.symbol)
df %.% regroup(vars2) %.% summarise(n = n())
答案 2 :(得分：37)
自此问题发布以来，dplyr添加了group_by（documentation here）的范围版本。这使您可以使用与select相同的功能，如下所示：
data = data.frame(
asihckhdoydkhxiydfgfTgdsx = sample(LETTERS[1:3], 100, replace=TRUE),
a30mvxigxkghc5cdsvxvyv0ja = sample(LETTERS[1:3], 100, replace=TRUE),
value = rnorm(100)
)
# get the columns we want to average within
columns = names(data)[-3]
library(dplyr)
df1 <- data %>%
group_by_at(vars(one_of(columns))) %>%
summarize(Value = mean(value))
#compare plyr for reference
df2 <- plyr::ddply(data, columns, plyr::summarize, value=mean(value))
table(df1 == df2, useNA = 'ifany')
## TRUE
## 27
示例问题的输出符合预期（请参阅上面的plyr和下面的输出的比较）：
# A tibble: 9 x 3
# Groups: asihckhdoydkhxiydfgfTgdsx [?]
asihckhdoydkhxiydfgfTgdsx a30mvxigxkghc5cdsvxvyv0ja Value
<fctr> <fctr> <dbl>
1 A A 0.04095002
2 A B 0.24943935
3 A C -0.25783892
4 B A 0.15161805
5 B B 0.27189974
6 B C 0.20858897
7 C A 0.19502221
8 C B 0.56837548
9 C C -0.22682998
请注意，由于dplyr::summarize一次只剥离了一层分组，因此你仍然会在结果的某个组中进行一些分组（有时可能会让人感到困惑）。如果您希望绝对安全地避免意外的分组行为，您可以在汇总后始终将%>% ungroup添加到管道中。
答案 3 :(得分：25)
现在，dplyr函数的变体支持dplyr中列的字符串规范，其名称以下划线结尾。例如，对应于group_by函数，有一个group_by_函数可以接受字符串参数。 This vignette详细描述了这些函数的语法。
以下代码片段干净地解决了@sharoz最初提出的问题（请注意需要写出.dots参数）：
# Given data and columns from the OP
data %>%
group_by_(.dots = columns) %>%
summarise(Value = mean(value))
（请注意，dplyr现在使用%>%运算符，并且不推荐使用%.%。
答案 4 :(得分：17)
直到dplyr完全支持字符串参数，或许这个要点很有用：
https://gist.github.com/skranz/9681509
它包含许多使用字符串参数的包装函数，如s_group_by，s_mutate，s_filter等。您可以将它们与正常的dplyr函数混合使用。例如
cols = c("cyl","gear")
mtcars %.%
s_group_by(cols) %.%
s_summarise("avdisp=mean(disp), max(disp)") %.%
arrange(avdisp)
答案 5 :(得分：11)
如果你传递对象（好吧，你不是，但是......）而不是作为一个角色向量，它是有效的：
df %.%
group_by(asdfgfTgdsx, asdfk30v0ja) %.%
summarise(Value = mean(value))
> df %.%
+ group_by(asdfgfTgdsx, asdfk30v0ja) %.%
+ summarise(Value = mean(value))
Source: local data frame [9 x 3]
Groups: asdfgfTgdsx
asdfgfTgdsx asdfk30v0ja Value
1 A C 0.046538002
2 C B -0.286359899
3 B A -0.305159419
4 C A -0.004741504
5 B B 0.520126476
6 C C 0.086805492
7 B C -0.052613078
8 A A 0.368410146
9 A B 0.088462212
其中df是您的data。
?group_by说：
...: variables to group by. All tbls accept variable names, some
will also accept functons of variables. Duplicated groups
will be silently dropped.
我解释为不是名字的字符版本，而是如何在foo$bar中引用它们;此处未引用bar。或者您如何引用公式中的变量：foo ~ bar。
df %.%
group_by("asdfgfTgdsx", "asdfk30v0ja") %.%
summarise(Value = mean(value))
但是你无法传递未评估的不是数据对象中变量名称的东西。
我认为这是由于Hadley使用内部方法查找通过...参数传递的内容。
答案 6 :(得分：4)
data = data.frame(
my.a = sample(LETTERS[1:3], 100, replace=TRUE),
my.b = sample(LETTERS[1:3], 100, replace=TRUE),
value = rnorm(100)
)
group_by(data,newcol=paste(my.a,my.b,sep="_")) %>% summarise(Value=mean(value))
答案 7 :(得分：3)
这里的答案中缺少的一个（微小的）案例，我希望明确的是，分组变量是在流水线的中游动态生成的：
library(wakefield)
df_foo = r_series(rnorm, 10, 1000)
df_foo %>%
# 1. create quantized versions of base variables
mutate_each(
funs(Quantized = . > 0)
) %>%
# 2. group_by the indicator variables
group_by_(
.dots = grep("Quantized", names(.), value = TRUE)
) %>%
# 3. summarize the base variables
summarize_each(
funs(sum(., na.rm = TRUE)), contains("X_")
)
这基本上说明了如何将grep与group_by_(.dots = ...)结合使用来实现这一目标。
答案 8 :(得分：3)
以上所有答案仍然有效，带有 .dots 参数的解决方案很有趣。
但如果您正在寻找更容易记住的解决方案，新的 across() 会派上用场。它由 Hadley Wickham 于 2020-04-03 发布，可用于 mutate() 和 summarise() 并替换 _at 或 _all 等范围变体。最重要的是，它非常优雅地用引用/取消引用（例如 !!! rlang::syms()）替换了繁琐的非标准评估 (NSE)。
所以带有 across 的解决方案看起来非常具有可读性：
data %>%
group_by(across(all_of(columns))) %>%
summarize(Value = mean(value))
答案 9 :(得分：1)
使用.dots参数作为dplyr::group_by函数的字符向量输入的一般示例：
iris %>%
group_by(.dots ="Species") %>%
summarise(meanpetallength = mean(Petal.Length))
或者没有分组变量的硬编码名称（如OP要求的那样）：
iris %>%
group_by(.dots = names(iris)[5]) %>%
summarise_at("Petal.Length", mean)
以OP为例：
data %>%
group_by(.dots =names(data)[-3]) %>%
summarise_at("value", mean)
另请参阅dplyr vignette on programming，其中解释了代词，准引号，等价词和tidyeval。