Question

dplyr::summarize()函数可以对数据应用任意函数，但似乎函数必须返回标量值。我很好奇是否有合理的方法来处理返回向量值的函数而不需要多次调用该函数。

这是一个有点愚蠢的最小例子。考虑一个提供多个值的函数，例如：

f <- function(x,y){
  coef(lm(x ~ y, data.frame(x=x,y=y)))
}

和看起来像的数据：

df <- data.frame(group=c('A','A','A','A','B','B','B','B','C','C','C','C'), x=rnorm(12,1,1), y=rnorm(12,1,1))

我想做点什么：

df %>% 
group_by(group) %>%
summarise(f(x,y))

并返回一个表，该表为每个返回值添加了2列，而不是通常的1列。相反，此错误包含：Expecting single value

当然，我们可以通过多次给出函数参数从dlpyr::summarise()获取多个值：

f1 <- function(x,y) coef(lm(x ~ y, data.frame(x=x,y=y)))[[1]]
f2 <- function(x,y) coef(lm(x ~ y, data.frame(x=x,y=y)))[[2]]

df %>% 
group_by(group) %>%
summarise(a = f1(x,y), b = f2(x,y))

这给出了所需的输出：

  group         a            b
1     A 1.7957245 -0.339992915
2     B 0.5283379 -0.004325209
3     C 1.0797647 -0.074393457

但这样的编码是荒谬的粗糙和丑陋。

data.table更简洁地处理此案例：

dt <- as.data.table(df)
dt[, f(x,y), by="group"]

但创建一个输出，使用额外的行而不是其他列来扩展表，从而导致输出既困惑又难以使用：

 group           V1
1:     A  1.795724536
2:     A -0.339992915
3:     B  0.528337890
4:     B -0.004325209
5:     C  1.079764710
6:     C -0.074393457

当然，我们可以使用更多经典的apply策略，

sapply(levels(df$group), function(x) coef(lm(x~y, df[df$group == x, ])))


                     A            B           C
(Intercept)  1.7957245  0.528337890  1.07976471
y           -0.3399929 -0.004325209 -0.07439346

但这会牺牲优雅，我怀疑分组的速度。特别要注意的是，在这种情况下我们不能使用我们的预定义函数f，但必须将分组硬编码到函数定义中。

是否有dplyr函数来处理此案例？如果没有，是否有一种更优雅的方法来处理这个在数据帧上按组评估向量值函数的过程？

Answer 1

您可以尝试do

library(dplyr)
 df %>%
    group_by(group) %>%
    do(setNames(data.frame(t(f(.$x, .$y))), letters[1:2]))
 # group         a           b
 #1     A 0.8983217 -0.04108092
 #2     B 0.8945354  0.44905220
 #3     C 1.2244023 -1.00715248

基于f1和f2的输出是

df %>% 
  group_by(group) %>%
  summarise(a = f1(x,y), b = f2(x,y))
#  group         a           b
#1     A 0.8983217 -0.04108092
#2     B 0.8945354  0.44905220
#3     C 1.2244023 -1.00715248

更新

如果您使用data.table，则获得类似结果的选项是

 library(data.table)
 setnames(setDT(df)[, as.list(f(x,y)) , group], 2:3, c('a', 'b'))[]

Answer 2

这就是为什么我仍然喜欢plyr::ddply()：

library(plyr)
f <- function(z) setNames(coef(lm(x ~ y, z)), c("a", "b"))
ddply(df, ~ group, f)
#   group           a          b
# 1     A   0.5213133 0.04624656
# 2     B   0.3020656 0.01450137
# 3     C   0.2189537 0.22998823

dplyr总结函数返回是否为向量值？

2 个答案:

更新