r - do add_row 和 group_by 的问题。需要 add_row 中的 group_by 变量名

Question

问题：我想使用 dplyr/tibble 来添加行。在我的示例中，我想按 A 对数据进行分组，然后 add_row 包含组名 A，然后是 B 的值。

我面临的问题是尝试在 A 下的列中添加 Group_by 变量 A。无论我尝试什么，它总是返回错误或 NA 作为该列中的值。

1. 可重现的例子：

   example <- data.frame(A = sample(letters[1:3],10,replace = TRUE), 
                 B = sample(letters[24:26],10,replace = TRUE),
                 C = sample(1:3,10,replace = TRUE))
   

2. 示例数据的输出：

         A B C
      1  c y 2
      2  b x 3
      3  c y 1
      4  b y 1
      5  c z 1
      6  a x 1
      7  b x 1
      8  c z 2
      9  a y 3
      10 c y 1
   

3. 我要运行的代码。

   answer <- example %>%
     mutate(A = as.character(A),
            B = as.character(B)) %>%
     group_by(A) %>%
     do(add_row(., 
                B = "ADDED",
                C = "ADDED"))
   

4. 数据输出：

           A     B     C
     1     a     x     1
     2     a     y     3
     3  <NA> ADDED ADDED
     4     b     x     3
     5     b     y     1
     6     b     x     1
     7  <NA> ADDED ADDED
     8     c     y     2
     9     c     y     1
    10     c     z     1
    11     c     z     2
    12     c     y     1
    13  <NA> ADDED ADDED
   

5. 所以在数据的输出中，有 NA 我希望它说出组名（a、b 或 c）

我试过只把组变量名放在那里，它不起作用会引发错误。

谢谢！

Answer 1

您可以直接在do.

example %>%
    mutate_if(is.factor, as.character) %>%
    group_by(A) %>%
    do(add_row(., 
               A = unique(.$A),
               B = "ADDED",
               C = "ADDED"))

或者tidyr::fill在最后使用。因为它正在填充分组变量，所以您必须ungroup首先。

library(tidyr)

example %>%
    mutate_if(is.factor, as.character) %>%
    group_by(A) %>%
    do(add_row(.,
               B = "ADDED",
               C = "ADDED")) %>%
    ungroup() %>%
    fill(A)

# A tibble: 13 x 3
       A     B     C
   <chr> <chr> <chr>
 1     a     z     2
 2     a     x     1
 3     a     y     2
 4     a ADDED ADDED
 5     b     y     1
 6     b     z     1
 7     b ADDED ADDED
 8     c     z     2
 9     c     y     2
10     c     z     2
11     c     y     2
12     c     z     1
13     c ADDED ADDED

Answer 2

library(zoo)

df=read.table(text='A     B     C
              1     a     x     1
              2     a     y     3
              3  NA ADDED ADDED
              4     b     x     3
              5     b     y     1
              6     b     x     1
              7  NA ADDED ADDED
              8     c     y     2
              9     c     y     1
              10     c     z     1
              11     c     z     2
              12     c     y     1
              13  NA ADDED ADDED',header=TRUE,stringsAsFactors=FALSE)

df$A=na.locf(df$A)

> df
   A     B     C
1  a     x     1
2  a     y     3
3  a ADDED ADDED
4  b     x     3
5  b     y     1
6  b     x     1
7  b ADDED ADDED
8  c     y     2
9  c     y     1
10 c     z     1
11 c     z     2
12 c     y     1
13 c ADDED ADDED

Answer 3

library(tidyverse)

example <- tibble(A = sample(letters[1:3], 10, replace = TRUE),
                  B = sample(letters[24:26], 10, replace = TRUE), 
                  C = sample(1:3, 10, replace = TRUE)) %>% 
  mutate(C = as.character(C)) %>% 
  arrange(A)

to_be_added <- example %>% distinct(A) %>% cbind(B = "ADDED", C = "ADDED")

bind_rows(example, to_be_added) %>% arrange(A)
#> # A tibble: 13 x 3
#>        A     B     C
#>    <chr> <chr> <chr>
#>  1     a     z     2
#>  2     a     y     1
#>  3     a ADDED ADDED
#>  4     b     x     1
#>  5     b     z     1
#>  6     b     z     1
#>  7     b     y     3
#>  8     b     y     1
#>  9     b     y     1
#> 10     b ADDED ADDED
#> 11     c     y     1
#> 12     c     z     1
#> 13     c ADDED ADDED