Question

我的数据框如下：

Symptom                                          number        

Abdominal pain\n Swallowing probs\n Back issues\n       22
Abdominal pain\n                                        12
Back issues \n Vomiting \n                                 14
Back issues\n                                            5

每个症状短语的末尾始终有\n。症状短语本身可以是任何东西，所以我不想特别搜索这些术语，而是在\n之前（或之间）任何术语

我想对每个症状的number求平均值，以便我最终得到：

Symptom                       Avg
Abdominal pain                 17
Swallowing probs               22
Back issues                    20.5
Vomiting                       14

我不知道如何根据dplyr的个别条款进行分组。我试过了

SypmAvg<- df %>% group_by(grepl("(?\\n.*\\n)|($.*?\\n)",df$Symptom)%>% summarise(mean=mean(number)

但它只是让我的电脑崩溃，所以我甚至不会看到错误。有人可以帮忙吗？它只是一个正则表达式问题还是有更好的方法来做到这一点？

Answer 1

我们可以使用cSplit

library(splitstackshape)
cSplit(df, "Symptom", "\\n", "long")[, .(Avg = mean(number)), .(Symptom)]

Answer 2

library(dplyr)
df1 = df %>% group_by(id) %>% mutate(new_col = strsplit(Symptom, "\n")) %>% unnest()

df1 %>% group_by(trimws(new_col)) %>% summarise( ans = mean(number))

# new_col   ans
# 1   Abdominal pain 17.00000
# 2      Back issues 13.66667
# 3 Swallowing probs 22.00000
# 4         Vomiting 14.00000

通过使用dplyr在列中使用术语进行分组

2 个答案: