4

问题

通过使用dplyr::summarize_at()（或等效），我想得到一个汇总表，其中列首先按（G）使用的分组变量顺序排序，然后按（V）传递的变量顺序，最后按（F）函数顺序应用。默认顺序首先由 G 确定，然后由 F 确定，最后由 V 确定。

例子

编码：

library(purrr)
library(dplyr)

q025 <- partial(quantile, probs  = 0.025, na.rm = TRUE)
q975 <- partial(quantile, probs  = 0.975, na.rm = TRUE)

vars_to_summarize <- c("height", "mass")

my_summary <- starwars %>% 
    filter(skin_color  %in% c("gold", "green")) %>% 
    group_by(skin_color) %>% 
    summarise_at(vars_to_summarize, funs(q025, mean, q975))

结果是：

my_summary
## A tibble: 2 x 7
##   skin_color height_q025 mass_q025 height_mean mass_mean height_q975 mass_q975
##        <chr>       <dbl>     <dbl>       <dbl>     <dbl>       <dbl>     <dbl>
## 1       gold     167.000      75.0         167        75      167.00      75.0
## 2      green      79.375      22.7         169        NA      204.75     110.4

所需的变量顺序应该是：

skin_color, height_q025, height_mean, height_q975, mass_q025, mass_mean, mass_q975

我想使用这样的（天真的简单）代码：

my_summary  %>% 
    select(everything(), starts_with(vars_to_summarize))

但它不起作用。即使此代码也无法按我的预期工作（即使它不是我寻求的通用解决方案）：

my_summary  %>% 
    select(everything(),
           starts_with(vars_to_summarize[1]),
           starts_with(vars_to_summarize[2]))

很可能everything()应该始终是select().

概括

说，我有：

  1. 我传递给的N个分组变量（“gr_”）group_by()，
  2. L必须汇总的变量（“var_”）和
  3. 要应用的M个汇总函数（“fun_”）。

通常，汇总表中所需的变量顺序应遵循以下模式：

gr_1, gr_2, ..., gr_N,   
var_1_fun_1, var_1_fun_2, ..., var_1_fun_M,  
var_2_fun_1, var_2_fun_2, ..., var_2_fun_M, 
...,
var_L_fun_1, var_L_fun_2, ..., var_L_fun_M
4

1 回答 1

4

我们可以使用matches和grep

my_summary %>%
    select(grep(paste(vars_to_summarize, collapse="|"), names(.), invert = TRUE), 
           matches(vars_to_summarize[1]),
           matches(vars_to_summarize[2]))
# A tibble: 2 x 7
#    skin_color height_q025 height_mean height_q975 mass_q025 mass_mean mass_q975
#       <chr>       <dbl>       <dbl>       <dbl>     <dbl>     <dbl>     <dbl>
#1       gold     167.000         167      167.00      75.0        75      75.0
#2      green      79.375         169      204.75      22.7        NA     110.4

如果有很多列，那么另一种选择是从_列名中删除子字符串，match使用 'vars_to_summarize' 并order在select

my_summary %>% 
   select(order(match(sub("_.*", "", names(.)), vars_to_summarize, nomatch = 0)))
# A tibble: 2 x 7
#    skin_color height_q025 height_mean height_q975 mass_q025 mass_mean mass_q975
#       <chr>       <dbl>       <dbl>       <dbl>     <dbl>     <dbl>     <dbl>
#1       gold     167.000         167      167.00      75.0        75      75.0
#2      green      79.375         169      204.75      22.7        NA     110.4
于 2017-08-07T11:45:01.963 回答