如何使用dplyr根据组上的聚合函数计算新列（在摘要统计信息上添加汇总统计信息）？

Question

我经常需要计算R数据帧的新列（长格式），其值应取决于组的聚合函数（例如总和）。 例如，我可能想知道任何一天产品占销售额的比例：

daily fraction = revenue for product i on day d / sum or revenue for all products on day d

我目前的策略是总结和加入：

library(dplyr)

join_summary <- function(data, ...) left_join(data, summarise(data, ...))

data = data.frame(
  day = c(1,1,2,2,3,3),
  product = rep(c("A", "B"), 3),
  revenue = c(2, 4, 8, 7, 9, 2)
)

data2 <- data %>%
  group_by(day) %>%
  join_summary(daily_revenue = sum(revenue)) %>%
  mutate(revenue_fraction = revenue / daily_revenue)

这有效，但我不确定它是否是反模式。 在多行上重复相同的数据（每日收入）似乎有点低效，使用聚合乱丢我的数据框。 我的问题是：

• 我目前的做法是否正常？
• 有没有更好的方法，最好使用dplyr或更广泛的Hadleyverse工具？
• 我真的需要我的自定义函数join_summary ，还是可以用现有的dplyr动词完成？ （不过我更喜欢呆在“管道流”中。）

Answer 1

除了使用summarise进行聚合外，您还可以使用mutate将摘要统计信息分配给完整列：

data %>% 
  group_by(day) %>% 
  mutate(
    daily_revenue = sum(revenue), 
    revenue_fraction = revenue / daily_revenue
  )

这使

Source: local data frame [6 x 5]
Groups: day [3]

    day product revenue daily_revenue revenue_fraction
  <dbl>  <fctr>   <dbl>         <dbl>            <dbl>
1     1       A       2             6        0.3333333
2     1       B       4             6        0.6666667
3     2       A       8            15        0.5333333
4     2       B       7            15        0.4666667
5     3       A       9            11        0.8181818
6     3       B       2            11        0.1818182

这是有效的，因为值sum(revenue)被回收以填充组中的所有行。