Question

我尝试将dplyr与我自己的函数一起使用，该函数将数据框汇总为单个值。在下面的示例中，my_func计算缺失值的数量。我可以用另一种方式做这个具体案例，但我有兴趣知道如何做到这一点。我需要这个来处理分组数据。我觉得这样的事情可能有用：

my_func <- function(df) {
  return(sum(is.na(df)))
}

data("airquality")

airquality %>% group_by(Month) %>% summarise(my_func(.))

## # A tibble: 5 × 2
##   Month `my_func(.)`
##   <int>        <int>
## 1     5           44
## 2     6           44
## 3     7           44
## 4     8           44
## 5     9           44

但似乎.是整个数据框，而不是单个组。

dplyr::do可以获得正确的数据框：

airquality %>% group_by(Month) %>% do(data.frame(m = my_func(.)))

## Source: local data frame [5 x 2]
## Groups: Month [5]
## 
##   Month     m
##   <int> <int>
## 1     5     9
## 2     6    21
## 3     7     5
## 4     8     8
## 5     9     1

但这似乎是一个黑客。它也与summarise不一致，因为do的输出仍然是分组数据框。

基本上，我的问题是：我可以从summarise内向我的函数传递正确的数据框（尊重组）吗？

Answer 1

经过一些进一步检查后，似乎问题在于.中使用summarise。例如，以下适用于单个变量：

airquality %>% group_by(Month) %>% summarize(my_func(Ozone))

然而这个人没有：

airquality %>% group_by(Month) %>% summarize(my_func(.$Ozone))

同样，显式创建包含所有变量的data.frame可得到所需的输出：

airquality %>% group_by(Month) %>% summarize(NAs = my_func(data.frame(Ozone, Solar.R, Wind, Temp, Month, Day)))

因此，如果您坚持使用dplyr，则需要像这样的解决方法（或者如您所述使用do）。我相信它与此处报告的错误相同：dplyr Issue #2752。

Answer 2

所以，我认为你可以使用以下结构：

data <- num.missing(lapply(data$Month, my_func))

您也可以使用：

object <- data %>% summarise_each(funs(my_func), Month)

我希望这可以帮到你！

Answer 3

如果您不介意使用plyr包，那么这似乎会产生所需的输出： plyr::ddply(.data = airquality, .variables = ~ Month, .fun = my_func)

从dplyr :: summarize中传递正确的数据框

3 个答案: