问题标签 [dplyr]

我在 dplyr-syntax 上有点挣扎。我有一个包含不同变量和一个分组变量的数据框。现在我想使用 R 中的 dplyr 计算每组中每一列的平均值。

这给了我“grp”表示的每个组的“a”列的平均值。

我的问题是：是否有可能一次获得每个组中每列的平均值？还是我必须df %>% group_by(grp) %>% summarise(mean(a))为每一列重复？

我想要的是类似的东西

我想开始使用 dplyr 代替 ddply 但我无法了解它的工作原理（我已阅读文档）。

例如，为什么当我尝试 mutate() 时，“group_by”函数不能按预期工作？

看mtcars：

图书馆（汽车）

假设我制作了一个 data.frame，它是 mtcars 的摘要，按“cyl”和“gear”分组：

然后说我想进一步总结这个数据框。使用 ddply，它会很简单，但是当我尝试使用 dplyr 时，它实际上并不是“分组依据”：

仍然产生一个未分组的输出：

我在语法上做错了吗？

编辑：

如果我要使用 plyr 和 ddply 执行此操作：

然后得到第二个df：

但是同样的方法，在 summarise() 函数中使用 sum(newvar) + 5 不适用于 dplyr ...

我有一个 R 数据框，例如：

忽略“其他”列，如何找到每个农场在每个时期的 cumVol 变化？我想要一个这样的数据框（可选择保留 cumVol 列）：

在实践中，可能有许多类似“农场”的列，以及许多类似“其他”（即忽略）的列。我希望能够使用变量指定所有列名。

我正在使用 dplyr 包。

我有一个带有 3 个变量和 1.425.558 个观察值的 data.frame。它是可再生能源工厂安装电力的登记册。每行代表一个已安装的发电厂。在一个邮政编码区域内可以有多个相同类型的发电厂。

我想通过邮政编码总结安装了多少太阳能/沼气/风力发电。

我已经试过了

但我的内存不够用。

我知道，我的数据框非常大。我可以缩小很多，因为我只需要那些以“2”开头的邮政编码的数据。

你能给我指出一个解决方案吗？非常感谢您对初学者的帮助！

What I really like about data.table is the := idiom for changing the table by reference, without the need for costly copies. From what I understand, this is one of the aspects which makes data.table so ultrafast compared to other methods.

Now, I started playing around with the dplyr package which seems to be equally performant. But since results still have to be assigned using the <- operator, I was expecting a performance drain at this level. However, there seems to be none.

As an example:

I am just wondering how this is possible? Or is there a conceptual mistake in the way I benchmark? Is my understanding of <- wrong?

有没有办法做一些类似函数来对表格cut()中的数值进行分箱？dplyr我正在处理一个大型 postgres 表，目前可以在一开始就在 sql 中编写 case 语句，或者输出未聚合的数据并应用cut()。collect()两者都有非常明显的缺点...... case 语句不是特别优雅，并且通过完全没有效率来提取大量记录。

问题已从原文编辑。

在阅读了这个有趣的讨论之后，我想知道如何使用 dplyr 替换列中的 NA，例如，Lahman 击球数据：

以下不符合我的预期

来源：本地数据框 [20 x 3] 组：yearID、teamID

事实上，它估算的是整体平均值，而不是组平均值。您将如何在 dplyr 链中执行此操作？transform从基础 R使用也不起作用，因为它估算的是整体平均值而不是组平均值。这种方法也将数据转换为常规数据。一个框架。有一个更好的方法吗？

编辑：替换transform为mutate给出以下错误

编辑：添加 as.integer 似乎可以解决错误并产生预期的结果。另请参阅@eddi 的回答。

编辑：跟进@Romain 的评论，我从 github 安装了 dplyr：

所以我没有得到错误（好），但我得到了一个（看似）奇怪的结果。

使用data.table我可以执行以下操作：

尝试相同的操作，dplyr但是数据被打乱/排序a：

（顺便说一句，上面也对原始内容进行了排序dt，考虑到不就地修改的理念，这对我来说有点令人困惑dplyr——我猜这是一个与如何dplyr接口的错误data.table）

dplyr实现上述的方法是什么？

这是一个简单的例子来说明这个问题：

尝试在 I 中做同样的事情dplyr失败了，因为第一个group_by是持久的，并且分组是由两个band组成的c：

这是错误还是功能？如果它是一项功能，那么如何data.table在单个语句中复制解决方案？

我不确定使用哪个函数来执行以下操作：

两者summarise都mutate对这个长度不满意：