library(dplyr)
library(zoo)
df_a <- iris %>%
group_by(Species) %>%
summarise(mean_petal_length = mean(Petal.Length))
sample_n(df_a, 2)
这将按预期返回2列汇总的iris的随机行，尽管每个组Species仅一行。
但是，下面的另一个示例的行为似乎有所不同。
df_b <- iris %>%
group_by(Species) %>%
mutate(Petal.Length = na.locf(Petal.Length))
# Now df_b is the same with iris in terms of data contents
# since there's no missing vales in Petal.Length
sample_n(df_b, 60)
我期望得到df_b的60个随机行，但这给我一个错误消息： size必须小于或等于50（数据大小），设置{{1 }} = TRUE，可将采样与替换一起使用。
我可以看到这是因为每个组replace只有50行，在这种情况下，我必须Species之后ungroup才能获得预期的输出。仍然我不知道为什么会有这种差异的原因。
答案 0 :(得分：1)
这与na.locf无关，并且与summarise和mutate与group_by的行为有关。让我尝试使用相同的示例向您解释。
summarise之后，分组丢失。检查
library(dplyr)
iris %>%
group_by(Species) %>%
summarise(mean_petal_length = mean(Petal.Length)) %>%
mutate(n = n())
# A tibble: 3 x 3
# Species mean_petal_length n
# <fct> <dbl> <int>
#1 setosa 1.46 3
#2 versicolor 4.26 3
#3 virginica 5.55 3
如果n按Species分组，则期望为1，但显示为3表示没有分组。
因此，当您在汇总后执行sample_n时，它将从具有3行的总数据帧中采样并选择2个随机行。
但是，对于mutate，情况有所不同。
iris %>%
group_by(Species) %>%
mutate(Petal.Length = mean(Petal.Length)) %>%
mutate(n = n())
# A tibble: 150 x 6
# Groups: Species [3]
# Sepal.Length Sepal.Width Petal.Length Petal.Width Species n
# <dbl> <dbl> <dbl> <dbl> <fct> <int>
# 1 5.1 3.5 1.46 0.2 setosa 50
# 2 4.9 3 1.46 0.2 setosa 50
# 3 4.7 3.2 1.46 0.2 setosa 50
# 4 4.6 3.1 1.46 0.2 setosa 50
# 5 5 3.6 1.46 0.2 setosa 50
# 6 5.4 3.9 1.46 0.4 setosa 50
# 7 4.6 3.4 1.46 0.3 setosa 50
# 8 5 3.4 1.46 0.2 setosa 50
# 9 4.4 2.9 1.46 0.2 setosa 50
#10 4.9 3.1 1.46 0.1 setosa 50
# … with 140 more rows
分组仍然存在，并且尝试从每个组中选择60行，而实际上只有50行，因此会出现错误。
?summarise提及
Value-与.data相同类的对象。一个分组级别将被删除。
?mutate提到
Value-与.data相同类的对象
因此，对于summarise，仅删除了一个分组级别。以mtcars
mtcars %>%
group_by(cyl, am) %>%
summarise(mean = mean(mpg))
# A tibble: 6 x 3
# Groups: cyl [3]
# cyl am mean
# <dbl> <dbl> <dbl>
#1 4 0 22.9
#2 4 1 28.1
#3 6 0 19.1
#4 6 1 20.6
#5 8 0 15.0
#6 8 1 15.4
它仍按cyl分组，而按am分组。
答案 1 :(得分：1)
在group_by文档中说：
大多数数据操作都是在变量定义的组上完成的。 group_by（）获取一个现有的tbl并将其转换为一个分组的tbl，其中“按组”执行操作。 ungroup（）删除分组。
因此，即使看起来像是小标题，您也必须将其视为split(iris, iris$Species)中的base。
library(dplyr, quietly = TRUE, warn.conflicts = FALSE)
df_b <- iris %>%
group_by(Species)
attributes(df_b)
#> $names
#> [1] "Sepal.Length" "Sepal.Width" "Petal.Length" "Petal.Width"
#> [5] "Species"
#>
#> $class
#> [1] "grouped_df" "tbl_df" "tbl" "data.frame"
#>
#> $row.names
#> [1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
#> [18] 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34
#> [35] 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51
#> [52] 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68
#> [69] 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85
#> [86] 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102
#> [103] 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119
#> [120] 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136
#> [137] 137 138 139 140 141 142 143 144 145 146 147 148 149 150
#>
#> $groups
#> # A tibble: 3 x 2
#> Species .rows
#> <fct> <list>
#> 1 setosa <int [50]>
#> 2 versicolor <int [50]>
#> 3 virginica <int [50]>
# equivalent in base R to:
str( split(iris, iris$Species) )
#> List of 3
#> $ setosa :'data.frame': 50 obs. of 5 variables:
#> ..$ Sepal.Length: num [1:50] 5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
#> ..$ Sepal.Width : num [1:50] 3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...
#> ..$ Petal.Length: num [1:50] 1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...
#> ..$ Petal.Width : num [1:50] 0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...
#> ..$ Species : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 ...
#> $ versicolor:'data.frame': 50 obs. of 5 variables:
#> ..$ Sepal.Length: num [1:50] 7 6.4 6.9 5.5 6.5 5.7 6.3 4.9 6.6 5.2 ...
#> ..$ Sepal.Width : num [1:50] 3.2 3.2 3.1 2.3 2.8 2.8 3.3 2.4 2.9 2.7 ...
#> ..$ Petal.Length: num [1:50] 4.7 4.5 4.9 4 4.6 4.5 4.7 3.3 4.6 3.9 ...
#> ..$ Petal.Width : num [1:50] 1.4 1.5 1.5 1.3 1.5 1.3 1.6 1 1.3 1.4 ...
#> ..$ Species : Factor w/ 3 levels "setosa","versicolor",..: 2 2 2 2 2 2 2 2 2 2 ...
#> $ virginica :'data.frame': 50 obs. of 5 variables:
#> ..$ Sepal.Length: num [1:50] 6.3 5.8 7.1 6.3 6.5 7.6 4.9 7.3 6.7 7.2 ...
#> ..$ Sepal.Width : num [1:50] 3.3 2.7 3 2.9 3 3 2.5 2.9 2.5 3.6 ...
#> ..$ Petal.Length: num [1:50] 6 5.1 5.9 5.6 5.8 6.6 4.5 6.3 5.8 6.1 ...
#> ..$ Petal.Width : num [1:50] 2.5 1.9 2.1 1.8 2.2 2.1 1.7 1.8 1.8 2.5 ...
#> ..$ Species : Factor w/ 3 levels "setosa","versicolor",..: 3 3 3 3 3 3 3 3 3 3 ...
# if you want to use a function not applied by group
sample_n(df_b %>% ungroup() , 10)
#> # A tibble: 10 x 5
#> Sepal.Length Sepal.Width Petal.Length Petal.Width Species
#> <dbl> <dbl> <dbl> <dbl> <fct>
#> 1 7.7 3.8 6.7 2.2 virginica
#> 2 6.1 2.9 4.7 1.4 versicolor
#> 3 5 3 1.6 0.2 setosa
#> 4 7.2 3.6 6.1 2.5 virginica
#> 5 6.8 2.8 4.8 1.4 versicolor
#> 6 5.8 2.7 4.1 1 versicolor
#> 7 6.6 3 4.4 1.4 versicolor
#> 8 7.7 2.8 6.7 2 virginica
#> 9 5.1 3.5 1.4 0.2 setosa
#> 10 5 3.4 1.5 0.2 setosa