我正在努力验证一个函数来计算我实验室中某个标准的通过率。这背后的数学非常简单：给定了许多通过或失败的测试，通过了多少百分比。
数据将作为一列值提供，P1（第一次测试时传递），F1（第一次测试时失败），P2或{{1} （分别在第二次测试时通过或失败）。我在下面编写了函数F2，以帮助计算总体通过率（第一次和第二次尝试）以及第一次测试和第二次测试。
为验证设置参数的质量专家给了我一个通过和失败计数的列表，我使用下面的passRate函数将其转换为向量。
在我到达test_vector数据框的第三行之前，一切都看起来很棒，其中包含来自我的质量专家的通过/失败计数。它不是返回100％的第二次测试通过率，而是返回NA ...但仅当我使用Pass时
mutate所以这里的内容类似于我对library(dplyr)
Pass <- structure(list(P1 = c(2L, 0L, 10L),
F1 = c(0L, 2L, 0L),
P2 = c(0L, 3L, 2L),
F2 = c(0L, 2L, 0L),
id = 1:3),
.Names = c("P1", "F1", "P2", "F2", "id"),
class = c("tbl_df", "data.frame"),
row.names = c(NA, -3L))
所做的事情。
mutate比较何时使用Pass %>%
group_by(id) %>%
mutate(pass_rate = (P1 + P2) / (P1 + P2 + F1 + F2) * 100,
pass_rate1 = P1 / (P1 + F1) * 100,
pass_rate2 = P2 / (P2 + F2) * 100)
Source: local data frame [3 x 8]
Groups: id [3]
P1 F1 P2 F2 id pass_rate pass_rate1 pass_rate2
(int) (int) (int) (int) (int) (dbl) (dbl) (dbl)
1 2 0 0 0 1 100.00000 100 NA
2 0 2 3 2 2 42.85714 0 60
3 10 0 3 1 3 100.00000 100 NA
summarise我原本预计这些会返回相同的结果。我的猜测是Pass %>%
group_by(id) %>%
summarise(pass_rate = (P1 + P2) / (P1 + P2 + F1 + F2) * 100,
pass_rate1 = P1 / (P1 + F1) * 100,
pass_rate2 = P2 / (P2 + F2) * 100)
Source: local data frame [3 x 4]
id pass_rate pass_rate1 pass_rate2
(int) (dbl) (dbl) (dbl)
1 1 100.00000 100 NA
2 2 42.85714 0 60
3 3 100.00000 100 100
在某个地方遇到问题，因为它假设每个组mutate行应该映射到结果中的n行（在此计算n时是否感到困惑？ ），n知道无论开始有多少行，它都会以1结尾。
有没有人对这种行为背后的机制有什么想法？
答案 0 :(得分：3)
在我看来，dplyr和plyr之间存在一些干扰。我对另一个不平衡的数据集有同样的问题（因此需要分组），正好在第三个组中，变异的变量错误地是NA！然后我在家里复制了你的例子。首先，
library("dplyr", lib.loc="~/R/x86_64-pc-linux-gnu-library/3.2")
我得到了你的结果。然后我执行了自己的脚本，其中加载了包plyr。在plyr之后警告不加载dplyr后，我的第三组中的NA消失了，您的示例也正确计算了！这是我做的（我再添加一行来查看NA是否仍在第三组中）：
> Pass <- structure(list(P1 = c(2L, 0L, 10L,8L),
+ F1 = c(0L, 2L, 0L, 4L),
+ P2 = c(0L, 3L, 2L, 2L),
+ F2 = c(0L, 2L, 0L, 1L),
+ id = 1:4),
+ .Names = c("P1", "F1", "P2", "F2", "id"),
+ class = c("tbl_df", "data.frame"),
+ row.names = c(NA, -4L))
> Pass %>%
+ group_by(id) %>%
+ mutate(pass_rate = (P1 + P2) / (P1 + P2 + F1 + F2) * 100,
+ pass_rate1 = P1 / (P1 + F1) * 100,
+ pass_rate2 = P2 / (P2 + F2) * 100)
Source: local data frame [4 x 8]
Groups: id [4]
P1 F1 P2 F2 id pass_rate pass_rate1 pass_rate2
(int) (int) (int) (int) (int) (dbl) (dbl) (dbl)
1 2 0 0 0 1 100.00000 100.00000 NA
2 0 2 3 2 2 42.85714 0.00000 60.00000
3 10 0 2 0 3 100.00000 100.00000 NA
4 8 4 2 1 4 66.66667 66.66667 66.66667
然后我做了：
> library("plyr", lib.loc="~/R/x86_64-pc-linux-gnu-library/3.2")
> Pass %>%
+ group_by(id) %>%
+ mutate(pass_rate = (P1 + P2) / (P1 + P2 + F1 + F2) * 100,
+ pass_rate1 = P1 / (P1 + F1) * 100,
+ pass_rate2 = P2 / (P2 + F2) * 100)
Source: local data frame [4 x 8]
Groups: id [4]
P1 F1 P2 F2 id pass_rate pass_rate1 pass_rate2
(int) (int) (int) (int) (int) (dbl) (dbl) (dbl)
1 2 0 0 0 1 100.00000 100.00000 NaN
2 0 2 3 2 2 42.85714 0.00000 60.00000
3 10 0 2 0 3 100.00000 100.00000 100.00000
4 8 4 2 1 4 66.66667 66.66667 66.66667
我知道这不是一个令人满意的答案，因为plyr应该在dplyr之后加载 NOT ，但也许可以帮助那些需要group_by(id)的人。或者使用plyr::mutate()。然后，您可以在dplyr之后加载plyr：
> Pass %>%
+ group_by(id) %>%
+ plyr::mutate(pass_rate = (P1 + P2) / (P1 + P2 + F1 + F2) * 100,
+ pass_rate1 = P1 / (P1 + F1) * 100,
+ pass_rate2 = P2 / (P2 + F2) * 100)
Source: local data frame [4 x 8]
Groups: id [4]
P1 F1 P2 F2 id pass_rate pass_rate1 pass_rate2
(int) (int) (int) (int) (int) (dbl) (dbl) (dbl)
1 2 0 0 0 1 100.00000 100.00000 NaN
2 0 2 3 2 2 42.85714 0.00000 60.00000
3 10 0 2 0 3 100.00000 100.00000 100.00000
4 8 4 2 1 4 66.66667 66.66667 66.66667