3

我有一个数据集,我想通过平均值对其进行总结,但还要计算最大值为变量中的 1 个。

让我从一个我想要实现的例子开始:

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

这给了我以下结果

# 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

有没有一种简单的方法可以添加,例如max(Petal.Width)总结?

到目前为止,我已经尝试了以下方法:

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

但是使用这种方法,我会丢失上面代码中的 thegroup_by和 thefilter并给出错误的结果。

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,并且需要大量输入才能添加具有不同摘要的列。

谢谢

4

4 回答 4

4

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,我相信任何找到此页面的人都应该可以使用它们。

解决方案一

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

一个优雅的解决方案,使用来自 tidyverse 本身的包,受此讨论purrr的启发:

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maxof petal.width,其他列是所有其他列的平均值(按组和过滤器)。

两种解决方案都取决于三个实现:

  1. summarise_at接受两个列表作为参数,n 个变量之一和m个函数之一,并将所有m个函数应用于所有n 个变量,因此在 tibble 中生成m X n 个向量。因此,该解决方案可能意味着强制该函数以某种方式在由我们希望应用一个特定函数的所有变量和一个函数形成的“对”之间循环,然后是另一组变量和它们自己的函数,等等!
  2. 现在,R中的上述内容是什么?什么会强制对两个列表的相应元素进行操作?函数,例如函数mapply或函数族map2pmap以及来自dplyrtidyverse Fellow 的变体purrr。两者都接受两个l元素列表,并对两个列表的对应元素(按位置匹配)执行给定操作。
  3. 因为产品不是 tibble 或 data.frame,而是一个列表,你只需要使用reducewithinner_join或 just merge

请注意,我获得的手段与 OP 的手段不同,但它们也是我通过他的可重现示例获得的手段(也许我们有两个不同版本的iris数据集?)。

于 2018-12-30T22:06:10.680 回答
1

我正在寻找类似的东西并尝试了以下方法。与建议的解决方案相比,它运行良好且易于阅读。

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,定义您的列名并让您的列在您选择的函数中进行汇总。

于 2020-04-15T12:14:26.677 回答
1

如果您尝试使用 dplyr 做所有事情(这可能更容易记住),那么您可以利用dplyr 1.0.0across提供的新功能。

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)
  )

它表明唯一的困难是将两个计算组合Petal.Width在一个分组变量的同一列上 - 您必须再次进行分组,但可以将其嵌套到cbind. 这将正确返回结果:

     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

如果任务不指定两个计算,而只在同一列上指定一个Petal.Width,那么这可以优雅地写成:

iris %>%
  group_by(Species) %>%
  filter(Sepal.Length > 5) %>% 
  summarize(
    across(Sepal.Length:Petal.Length, mean),
    across(Petal.Width, max)
  )
于 2020-05-20T09:26:27.290 回答
1

如果你想做更复杂的事情,你可以编写自己的summarize_at. 在这个版本中,您可以提供列名、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")

你可以用它来调用它

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,我们只需将“%”替换为默认名称。这个想法只是动态地构建summarize_表达式。该summarize_at函数实际上只是该基本函数的便利包装。

于 2016-12-12T22:54:08.107 回答