Question

我有一个数据集，我想按平均值汇总，但也计算最大值只有1个变量。

让我先谈谈我想要实现的目标：

iris %>%
  group_by(Species) %>%
  filter(Sepal.Length > 5) %>%
  summarise_at("Sepal.Length:Petal.Width",funs(mean))

给我以下结果

# A tibble: 3 × 5
     Species Sepal.Length Sepal.Width Petal.Length Petal.Width
      <fctr>        <dbl>       <dbl>        <dbl>       <dbl>
1     setosa          5.8         4.4          1.9         0.5
2 versicolor          7.0         3.4          5.1         1.8
3  virginica          7.9         3.8          6.9         2.5

是否有一种简单的方法可以添加，例如，max(Petal.Width)进行汇总？

到目前为止，我已尝试过以下内容：

iris %>%
  group_by(Species) %>%
  filter(Sepal.Length > 5) %>%
  summarise_at("Sepal.Length:Petal.Width",funs(mean)) %>%
  mutate(Max.Petal.Width = max(iris$Petal.Width))

但是通过这种方法，我从上面的代码中丢失了group_by和filter，并给出了错误的结果。

我能够实现的唯一解决方案如下：

iris %>%
  group_by(Species) %>%
  filter(Sepal.Length > 5) %>%
  summarise_at("Sepal.Length:Petal.Width",funs(mean,max)) %>%
  select(Species:Petal.Width_mean,Petal.Width_max) %>% 
  rename(Max.Petal.Width = Petal.Width_max) %>%
  rename_(.dots = setNames(names(.), gsub("_.*$","",names(.))))

这有点令人费解，并且需要进行大量输入才能添加具有不同摘要的列。

谢谢

Answer 1

如果你想做一些更复杂的事情，你可以编写自己的summarize_at版本。使用此版本，您可以提供列名称，函数和命名规则的三元组。例如

这是一个艰难的开始

my_summarise_at<-function (.tbl, ...) 
{
    dots <- list(...)
    stopifnot(length(dots)%%3==0)
    vars <- do.call("append", Map(function(.cols, .funs, .name) {
        cols <- select_colwise_names(.tbl, .cols)
        funs <- as.fun_list(.funs, .env = parent.frame())
        val<-colwise_(.tbl, funs, cols)
        names <- sapply(names(val), function(x) gsub("%", x, .name))
        setNames(val, names)
    }, dots[seq_along(dots)%%3==1], dots[seq_along(dots)%%3==2], dots[seq_along(dots)%%3==0]))
    summarise_(.tbl, .dots = vars)
}
environment(my_summarise_at)<-getNamespace("dplyr")

你可以用

来调用它

iris %>%
  group_by(Species) %>%
  filter(Sepal.Length > 5) %>%
  my_summarise_at("Sepal.Length:Petal.Width", mean, "%_mean", 
      "Petal.Width", max, "%_max")

对于名称，我们只用默认名称替换“％”。这个想法只是动态构建summarize_表达式。 summarize_at函数实际上只是该基本函数的一个便利包装器。

Answer 2

如果您尝试使用dplyr进行所有操作（可能会更容易记住），则可以利用dplyr 1.0.0中可用的新across函数。

iris %>%
  group_by(Species) %>%
  filter(Sepal.Length > 5) %>% 
  summarize(across(Sepal.Length:Petal.Width, mean)) %>% 
  cbind(iris %>% 
          group_by(Species) %>% 
          summarize(across(Petal.Width, max)) %>% 
          select(-Species)
  )

这表明，唯一的困难是在分组变量的同一列Petal.Width上合并两个计算-您必须再次进行分组，但可以将其嵌套在cbind中。这样可以正确返回结果：

     Species Sepal.Length Sepal.Width Petal.Length Petal.Width Petal.Width
1     setosa     5.313636    3.713636     1.509091   0.2772727         0.6
2 versicolor     5.997872    2.804255     4.317021   1.3468085         1.8
3  virginica     6.622449    2.983673     5.573469   2.0326531         2.5

如果任务不会在同一列Petal.Width上指定两个计算，而仅指定一个计算，则可以这样写：

iris %>%
  group_by(Species) %>%
  filter(Sepal.Length > 5) %>% 
  summarize(
    across(Sepal.Length:Petal.Length, mean),
    across(Petal.Width, max)
  )

Answer 3

尽管这是一个老问题，但它仍然是一个有趣的问题，我有两个解决方案，我相信只要找到此页面的人都可以使用。

解决方案之一

我自己的看法：

mapply(summarise_at, 
       .vars = lst(names(iris)[!names(iris)%in%"Species"], "Petal.Width"), 
       .funs = lst(mean, max), 
       MoreArgs = list(.tbl = iris %>% group_by(Species) %>% filter(Sepal.Length > 5))) 
%>% reduce(merge, by = "Species")

    #         Species Sepal.Length Sepal.Width Petal.Length Petal.Width.x Petal.Width.y
    #    1     setosa        5.314       3.714        1.509        0.2773           0.5
    #    2 versicolor        5.998       2.804        4.317        1.3468           1.8
    #    3  virginica        6.622       2.984        5.573        2.0327           2.5

解决方案二

受this discussion启发，使用tidyverse本身的软件包purrr的优雅解决方案：

list(.vars = lst(names(iris)[!names(iris)%in%"Species"], "Petal.Width"),
     .funs = lst("mean" = mean, "max" = max)) %>% 
      pmap(~ iris %>% group_by(Species) %>% filter(Sepal.Length > 5) %>% summarise_at(.x, .y)) 
      %>% reduce(inner_join, by = "Species")

+ + + # A tibble: 3 x 6
  Species    Sepal.Length Sepal.Width Petal.Length Petal.Width.x Petal.Width.y
  <fct>             <dbl>       <dbl>        <dbl>         <dbl>         <dbl>
1 setosa             5.31        3.71         1.51         0.277           0.5
2 versicolor         6.00        2.80         4.32         1.35            1.8
3 virginica          6.62        2.98         5.57         2.03            2.5

简短讨论

data.frame和tibble是所需的结果，最后一列是max的{{1}}，其他列是所有其他列的均值（按组和过滤器）。

两种解决方案都取决于三个实现：

petal.width接受两个列表（ n 变量之一和 m 函数之一）作为参数，并应用所有 m 函数到所有 n 变量，因此产生了 m X n 个向量。因此，该解决方案可能意味着迫使该函数以某种方式跨由我们要应用一个特定函数的所有变量和一个函数，然后是另一组变量及其自己的函数的所有变量形成的“耦合”循环！
现在，R中的上述含义是什么？是什么迫使操作要对应两个列表的元素？ summarise_at之类的功能或mapply，map2之类的功能及其与pmap的整洁伙伴dplyr的变体。两者都接受两个 l 元素列表，并对两个列表的相应元素（按位置匹配）执行给定操作。
因为产品不是小标题或data.frame，而是列表，所以您只需将purrr与reduce一起使用，或仅将inner_join使用。

请注意，我获得的均值不同于OP的均值，但它们也是我通过其可重现示例获得的均值（也许我们有merge数据集的两个不同版本？）。

Answer 4

我正在寻找类似的东西，并尝试了以下方法。它运行良好，并且比建议的解决方案更容易阅读。

iris %>% 
group_by(Species) %>%
filter(Sepal.Length > 5) %>% 
summarise(MeanSepalLength=mean(Sepal.Length), 
MeanSepalWidth = mean(Sepal.Width),
MeanPetalLength=mean(Petal.Length),
MeanPetalWidth=mean(Petal.Width), 
MaxPetalWidth=max(Petal.Width))

# A tibble: 3 x 6
Species    MeanSepalLength MeanSepalWidth MeanPetalLength MeanPetalWidth MaxPetalWidth
<fct>                <dbl>          <dbl>           <dbl>          <dbl>         <dbl>
1 setosa                5.01           3.43            1.46          0.246           0.6
2 versicolor            5.94           2.77            4.26          1.33            1.8
3 virginica             6.59           2.97            5.55          2.03            2.5

在summarise（）部分中，定义您的列名，并为您的列提供汇总，以供您选择的函数使用。

R dplyr将多个函数汇总到所选变量

4 个答案: