Question

我对流式数据处理中dplyr包的流畅性感到震惊。最近，我急于为每个组ID生成一个新的数据帧，并将这些小数据帧组合成一个最终的较大数据帧。玩具示例：

input.data.frame %>%
    group_by(gid) %>%
    {some operation to generate a new data frame for each group} ## FAILED!!!!

在dplyr中，函数mutate向每个组添加新列，summarise为每个组生成摘要，两者都无法满足我的要求。 （我错过了什么吗？）

或者，使用plyr包的ddply，之前的dplyr交互，我可以通过

ddply(input.data.frame, .(gid), function(x) {
     some operation to generate a new data frame for each group
}

但是当我加载plyr包时，dplyr中的一些功能会因可用性而被屏蔽掉。

Answer 1

以下是G.格洛腾迪克对类似问题的回答。 Adding rows in `dplyr` output

首先，我们使用x和g生成数据框。 x中有9个随机数，g中有3个组a，b，c。我们想从每个组中选择2个最大的数字。重要的是要记住，确实需要数据框作为返回值。

library(dplyr)
set.seed(1)
dat <- data.frame(x=runif(9),g=rep(letters[1:3],each=3))

dat
      x g
1 0.1765568 a
2 0.6870228 a
3 0.3841037 a
4 0.7698414 b
5 0.4976992 b
6 0.7176185 b
7 0.9919061 c
8 0.3800352 c
9 0.7774452 c

## this works
dat %>% dplyr::group_by( g ) %>% do( data.frame(x=tail(sort(.$x),2)) )

## this works too
dat %>% dplyr::group_by( g ) %>% do( .[tail(order(.$x),2),] )

          x      g
      (dbl) (fctr)
1 0.3841037      a
2 0.6870228      a
3 0.7176185      b
4 0.7698414      b
5 0.7774452      c
6 0.9919061      c

## no error, but x is treated as a 1x1 data frame
dat %>% dplyr::group_by( g ) %>% do( x=tail(sort(.$x),2) )
       g        x
  (fctr)    (chr)
1      a <dbl[2]>
2      b <dbl[2]>
3      c <dbl[2]>

## you need a function to do more complicated stuff 
top2x <- function(df) { df[tail(order(df$x),2),] }
dat %>% dplyr::group_by( g ) %>% do( top2x(.) )

Answer 2

将我的评论转化为答案..

是的，dplyr提供了一种为每个组创建data.frames的方法。在分组的data.frame / tbl上使用do运算符将允许您执行此操作，更准确地说，它允许您将任意函数应用于每个组。这在do的帮助文件中记录：

[...]你可以用do来执行任意计算，返回a 数据框或将存储在列表中的任意对象。这个在使用模型时特别有用：您可以适合模型每组用do，然后用其中任何一个灵活地提取组件另一个做或总结。

到目前为止，我的经验是，只要有可能使用其中一个专门的dplyr函数，如mutate / summarize / mutate_each /等，它们应优先于do，因为它们通常比使用do，但当然不是那么灵活。

在group_by操作之后，dplyr如何为每个组生成数据帧？

2 个答案: