在汇总中创建多个列

Question

在summarize(...) （或者，在do(...) ）创建多个列的最佳方法是什么？ 如果某些聚合函数返回多个值，则会出现这种情况。 这种功能的一个例子是quantile(...) 。

例如，假设我们有以下数据

library(dplyr)

data.frame(x = runif(1000, min = 0, max = 20)) %>%
  mutate(y = rnorm(n(), mean = sin(x))) %>%
  group_by(x.category = round(x)) ->
  Z

我们可以轻松地计算（和绘制）分位数：

library(ggplot2) # just to display results (not the focus of this question)

Z %>%
  summarize(x = mean(x),
            y25 = quantile(y, probs = .25),
            y50 = quantile(y, probs = .5),
            y75 = quantile(y, probs = .75)) %>%
  gather(Statistic, y, -x, -x.category) %>%
  ggplot(aes(x, y, color = Statistic)) +
  geom_line()

但是，上面的代码有两个缺点：1） quantile(...)代码必须重复（如果需要十几个分位数，这将变得更加繁琐），以及2）列名称（y25，y50， y75）可能与实际分位数不匹配。

这些问题可以通过利用quantile(...)计算多个分位数的能力并在带有名称的向量中返回它们来解决，如下所示：

Z %>%
  do(as_data_frame(c(x = mean(.$x),
                     as.list(quantile(.$y, probs = c(.25,.5,.75)))))) %>%
  gather(Statistic, y, -x, -x.category) %>%
  ggplot(aes(x, y, color = Statistic)) +
  geom_line()

但是上面的代码对我来说似乎很难看; 特别是它需要as.list(...) ， c(...) ， as_data_frame(...)和do(...)才能做一些非常简单的事情。

有没有更好的办法？

Answer 1

处理返回多个值的函数时，一种可能的方法是通过组合这些值来创建字符串，然后使用相应的名称将该字符串分成多个列。

library(dplyr)
library(tidyr)

data.frame(x = runif(1000, min = 0, max = 20)) %>%
  mutate(y = rnorm(n(), mean = sin(x))) %>%
  group_by(x.category = round(x)) ->
  Z

# specify quantiles
q = c(0.25, 0.5, 0.75)

Z %>%
  summarise(x = mean(x),
            qtls = paste(quantile(y, q), collapse = ",")) %>%   # get quantile values as a string
  separate(qtls, paste0("y_", 100*q), sep = ",", convert = T)   # separate quantile values and give corresponding names to columns

# # A tibble: 21 x 5
#   x.category     x   y_25   y_50    y_75
#        <dbl> <dbl>  <dbl>  <dbl>   <dbl>
# 1          0 0.252 -0.596  0.156  0.977 
# 2          1 0.929 -0.191  0.753  1.15  
# 3          2 2.07   0.222  0.787  1.26  
# 4          3 2.95  -0.488  0.303  1.13  
# 5          4 3.92  -1.38  -0.627 -0.0220
# 6          5 4.94  -1.52  -1.08  -0.489 
# 7          6 6.03  -0.950 -0.432  0.492 
# 8          7 6.97  -0.103  0.602  1.32  
# 9          8 7.94   0.350  1.02   1.88  
# 10         9 9.00  -0.155  0.393  1.02  
# # ... with 11 more rows

Answer 2

受到@AntoniosK答案的启发，这里有一个解决方案，它也可以在一个列中放置多个数字，但不是将它们转换为字符串，而是将它们存储在列表列中：

probs <- c(0.25, 0.5, 0.75)

Z %>%
  summarize(x = mean(x),
            quantile = list(quantile(y, probs)),
            prob = list(probs)) %>%
  unnest() 

要将结果转换为宽格式，可以使用%>% mutate(prob = sprintf('%g%%', 100*prob)) %>% spread(prob, quantile) （如常）来执行上述操作。

我注意到的一件事是， unnest(...)忽略了向量上的名字。 （事实上​​，我曾希望.id参数允许我利用它，但它会在列表中查找名称而不是列表中的向量）。 如果您真的想使用这些名称，一种方法是：

library(tibble)

Z %>%
  summarize(x = mean(x),
            quantile = list(enframe(quantile(y)))) %>%
  unnest()

它使用tibble::enframe(...)将名称捕获到一个tibble::enframe(...)列中。

Answer 3

例如，您可以使用apply系列：

Z %>%
  sapply(function(x){c(quantile(x, probs = (0:10)/10), mean = mean(x))}) %>%
  data.frame()

#                 x         x.1           y x.category
# 0%    0.001726993  0.00274735 -4.04157670      0.000
# 10%   1.495121921  2.11284993 -1.51783484      1.000
# 20%   3.450423732  4.23374999 -0.92207407      3.000
# 30%   5.366798687  6.13729078 -0.55590328      5.000
# 40%   7.424445083  8.00006315 -0.18782436      7.000
# 50%   9.607056717 10.01599003  0.09847098     10.000
# 60%  11.605829581 11.98377222  0.39765998     12.000
# 70%  13.402578154 13.95268995  0.75339699     13.000
# 80%  15.432076896 16.04652040  1.16335283     15.000
# 90%  17.759217854 17.90820096  1.64737747     18.000
# 100% 19.991569165 19.97475065  3.33769925     20.000
# mean  9.544870438 10.02387573  0.08833454      9.551