5

我想枚举分组产生的数据框/小标题的每条记录。该索引是根据定义的顺序。如果我使用 row_number() 它会枚举但在组内。但我希望它在不考虑前分组的情况下枚举。

这是一个例子。为了简单起见，我使用了最小的数据框：

library(dplyr)

df0 <- data.frame( x1 = rep(LETTERS[1:2],each=2)
                 , x2 = rep(letters[1:2], 2)
                 , y = floor(abs(rnorm(4)*10))
)
df0
#   x1 x2  y
# 1  A  a 12
# 2  A  b 24
# 3  B  a  0
# 4  B  b 12

现在，我将这张表分组：

 df1 <- df0 %>% group_by(x1,x2) %>% summarize(y=sum(y))

这给了我一个类 tibble 的对象：

 # A tibble: 4 x 3
 # Groups:   x1 [?]
 #   x1    x2        y
 #   <fct> <fct> <dbl>
 # 1 A     a        12
 # 2 A     b        24
 # 3 B     a         0
 # 4 B     b        12

我想使用 row_numer() 向该表添加行号：

 df2 <- df1 %>% arrange(desc(y)) %>% mutate(index = row_number())
 df2
 # A tibble: 4 x 4
 # Groups:   x1 [2]
 #   x1    x2        y index
 #   <fct> <fct> <dbl> <int>
 # 1 A     b        24     1
 # 2 A     a        12     2
 # 3 B     b        12     1
 # 4 B     a         0     2

row_number() 确实在前一个分组中枚举。这不是我的本意。这可以避免先将 tibble 转换为数据框：

 df2 <- df2 %>% as.data.frame() %>% arrange(desc(y)) %>% mutate(index = row_number())
 df2
 #   x1 x2  y index
 # 1  A  b 24     1
 # 2  A  a 12     2
 # 3  B  b 12     3
 # 4  B  a  0     4

我的问题是：这种行为是有意的吗？如果是：将以前的数据处理合并到 tibble 中不是很危险吗？包含哪种类型的处理？目前我会将 tibble 转换为 dataframe 以避免这种意外结果。

4

2 回答 2

6

详细说明我的评论：是的，保留分组是有意的，并且在许多情况下很有用。如果你不了解它是如何group_by工作的，那才是危险的——任何函数都是如此。要撤消group_by，您调用ungroup。

查看group_by文档，因为它们非常详尽，并解释了此函数如何与其他函数交互，分组如何分层等。文档还解释了每次调用如何summarise删除一个分组层——它可能在那里你得到了对正在发生的事情感到困惑。

例如，您可以按x1and进行分组x2，summaryy并创建一个行号，这将根据您的行x1（summarise删除了一层分组，即删除x2分组）。然后取消分组允许您根据整个数据框获取行号。

library(dplyr)

df0 %>%
  group_by(x1, x2) %>%
  summarise(y = sum(y)) %>%
  mutate(group_row = row_number()) %>%
  ungroup() %>%
  mutate(all_df_row = row_number())
#> # A tibble: 4 x 5
#>   x1    x2        y group_row all_df_row
#>   <fct> <fct> <dbl>     <int>      <int>
#> 1 A     a        12         1          1
#> 2 A     b         2         2          2
#> 3 B     a        10         1          3
#> 4 B     b        23         2          4

一个用例——我可能每天都这样做——是在多个组中获取总和（再次，x1和x2），然后在更大的组中找到这些值的份额（在剥离一层分组之后，这是x1）与mutate. 同样，在这里我取消分组以显示共享而不是整个数据框。

df0 %>%
  group_by(x1, x2) %>%
  summarise(y = sum(y)) %>%
  mutate(share_in_group = y / sum(y)) %>%
  ungroup() %>%
  mutate(share_all_df = y / sum(y))
#> # A tibble: 4 x 5
#>   x1    x2        y share_in_group share_all_df
#>   <fct> <fct> <dbl>          <dbl>        <dbl>
#> 1 A     a        12          0.857       0.255 
#> 2 A     b         2          0.143       0.0426
#> 3 B     a        10          0.303       0.213 
#> 4 B     b        23          0.697       0.489

由reprex 包（v0.2.1）于 2018 年 10 月 11 日创建

于 2018-10-11T14:38:57.970 回答
1

正如 camille 很好地展示的那样，有充分的理由希望summarize()保留额外的分组层的结果，这是一种记录在案的行为，因此本身并不危险或意外。

然而，一个额外的提示是，如果你只是要在ungroup()之后调用，summarize()不妨使用summarize(.groups = "drop")which 将返回一个ungroupedtibble并为你节省一行代码。

library(tidyverse)

df0 <- data.frame(
  x1 = rep(LETTERS[1:2], each = 2),
  x2 = rep(letters[1:2], 2),
  y = floor(abs(rnorm(4) * 10))
)

df0 %>% 
  group_by(x1,x2) %>% 
  summarize(y=sum(y), .groups = "drop") %>% 
  arrange(desc(y)) %>% 
  mutate(index = row_number())
#> # A tibble: 4 x 4
#>   x1    x2        y index
#>   <chr> <chr> <dbl> <int>
#> 1 A     b         8     1
#> 2 A     a         2     2
#> 3 B     a         2     3
#> 4 B     b         1     4

由reprex 包于 2022-02-06 创建(v2.0.1)

于 2022-02-07T01:10:04.747 回答