问题标签 [dplyr]

要从数据框中选择几列，我可以做

我想写一个类似于

但是运行f(df, col1, col2)给了我错误

编辑——稍微不那么琐碎的例子：

假设我想做

但具有不同的数据集和不同的变量名称。我可以重用代码并替换mtcars,cyl和hp. 但我宁愿把它全部包装在一个函数中

我有一个庞大的数据集，包含 34 年中 500 只股票的每日收益。我首先运行 ddply 来创建年度中位数并返回列：

目前的数据如下所示：

现在我想创建一个新列，其中包含过去两年每个股票代码的平均中位数数据：

对此的任何帮助将不胜感激！

我有一些高格式的（金融时间序列）数据：

DT

我想计算第三个变量spread，其中spread = a - b对于每个常见Date行（基本上是两个时间序列之间的传播 - 金融领域的常见转换）。

期望的输出：

我知道当我dcast.data.table将数据转换为宽格式（即到带有列的表c("Date", "a", "b")）时的解决方案，但是由于大数据的性能问题，有没有一种优雅的方法可以使用 a)dplyr和 b)直接以高格式执行此操作data.table（两部分问题）？

理想情况下dplyr，我正在寻找像mutate(tbl_dt(DT, tall=TRUE), spread=a-b). （免责声明：我是一个完整的新手dplyr）

真实数据集：

我有一个这样的data.frame -

我想根据前两列删除重复的行。预期产出 -

我正在专门寻找使用dplyr包的解决方案。

我可以这样总结一个数据框dplyr：

要将输出转换回 class data.frame，我目前的方法是：

有什么方法可以dplyr输出一个类data.frame而不必使用as.data.frame？

我想知道是否有办法做到这一点：

同时跳过select位。我认为以下应该有效（但由于多种原因没有）：

请注意，在此示例中，我替换mutate为select希望仅此而已。这也不起作用，因为summarize期望表达式返回 1 个值：

显然，这没什么大不了的，但想知道是否有更简单的方法来复制默认data.table行为：

它只产生by列和计算值：

我有一个如下的df...

对于每个唯一 ID（例如 Bra004793），我想通过选择最大 V8 来选择最佳 V1。例如在这种情况下，我想获得以下 id

但不幸的是，我正在尝试的 dplyr 包不起作用。这是我到目前为止所尝试的..

在这里你可以看到即使我得到了正确的结果，我也没有得到正确的 V1 id。任何人都可以指出我做错了什么。

谢谢乌彭德拉

我试图通过每行中非 NA 的计数在 dplyr 中总结（/突变）......不断给出错误的答案。

像布尔值一样的算术sum(FALSE + TRUE + FALSE + TRUE + TRUE)确实加起来是 3，那么问题出在哪里？为什么 dplyr 没有捕捉到错误？

通过使用格雷码进行调试，我看到!is.na()除了 Field1 之外的所有 s 都表现得很奇怪：

只给出 16 或 0

我正在运行 dplyr::summarize 的示例代码，但没有得到我期望的结果。

这里发生了什么？

我有一个 tbl_df，我想在其中group_by(u, v)观察到的每个不同的整数组合(u, v)。

编辑：这随后通过group_indices()在dplyr 0.4.0中添加（现已弃用）来解决

a）然后我想为每个不同的组分配一些任意不同的数字标签= 1,2,3 ...例如组合（u，v）==（2,3）可以获得标签1，（1,3）可以得到 2，以此类推。mutate()如果没有三步汇总和自联接，如何使用 one 来做到这一点？

dplyr 有一个简洁的功能n()，但它给出了其组内元素的数量，而不是组的总数。在data.table这将简单地称为.GRP。

b）实际上我真正想要分配一个字符串/字符标签（'A'，'B'，...）。但是按整数对组进行编号就足够了，因为我可以integer_to_label(i)如下使用。除非有一个聪明的方法来合并这两者？但不要为这部分出汗。