首页 文章

使用dplyr的汇总和summarise_each一起？

提问于
浏览 次
10

我想同时将 dplyr::summarise 和 dplyr::summarise_each 应用于分组数据帧 . 可能吗？

我的数据如下：

mydf <- data.frame(
    id = c(rep(1,2), rep(2, 3), rep(3, 4)), 
    amount = c(rep(1,4), rep(2,5)), 
    type1 = c(rep(1, 2), rep(0, 7)),
    type2 = c(rep(0, 4), rep(1, 5))
)
mydf
#  id amount type1 type2
#1  1      1     1     0
#2  1      1     1     0
#3  2      1     0     0
#4  2      1     0     0
#5  2      2     0     1
#6  3      2     0     1
#7  3      2     0     1
#8  3      2     0     1
#9  3      2     0     1

我想总结 id amount 变量并得到 type 变量的最大值 . 我知道我可以这样做：

mydf %>% 
    group_by(id) %>% 
    summarise(amount = sum(amount), type1 = max(type1), type2 = max(type2))

但是，我有很多 type 变量，所以我更喜欢这样的东西（但总和也是 amount ） .

mydf %>%
    group_by(id) %>%
    summarise_each(funs(max), matches("type"))
r dplyr

3 回答

  • 1

    使用 dplyr

    library(dplyr)

mydf %>% 
     group_by(id) %>% 
     mutate(amount = sum(amount)) %>% 
     mutate_each(funs(max), matches("type")) %>%
     unique

#Source: local data table [3 x 4]

#  id amount type1 type2
#1  1      2     1     0
#2  2      4     0     1
#3  3      8     0     1

    或者只是像@HongOoi所指出的那样

    mydf %>% 
     group_by(id) %>% 
     mutate(amount=sum(amount)) %>% 
     summarise_each(funs(max))
    回复于
  • 8

    我不确定使用 dplyr 的惯用方法，但这是非常惯用的 data.table

    library(data.table)
setDT(mydf)[, c(amount = sum(amount), 
                lapply(.SD[, grep("type", names(mydf), value = TRUE), with = FALSE], max)),
            by = id]
#    id amount type1 type2
# 1:  1      2     1     0
# 2:  2      4     0     1
# 3:  3      8     0     1

    基本上，我们使用 c 组合两个操作，而 lapply(.SD, max) 代表 dplyr 中的 mutate_each 而 matches 只是 grep 的包装（如清楚显示in the source code） . with = FALSE 用于 data.table 或 .SD 父框架（代表 S ub D ata）中列名的标准评估 .

    回复于
  • 7

    使用 dplyr 的更一般方法可能是：

    mydf %>%
  group_by(id) %>%
  mutate_each('sum', amount) %>%
  mutate_each('max', matches("type")) %>%
  summarise_each('first', amount, matches("type"))

    这样做的好处是只能将一个聚合函数应用于Veerendra Gadekar原始答案所拥有的每一列 . 如果我们需要 sd 或类似代替 max ，它会派上用场，Hong Ooi的解决方案会在这种情况下破裂 . 如果有字符列，它也会中断 . 第三个优点是它丢弃了不属于计算的列 .

    另见my related question .

    回复于

相关问题