[英]summarize_at for multiple variables and multiple functions with different arguments in R?
[英]R: How to summarize multiple variables with different functions?
我有一个数据框,其中对于每个分组变量,有两种类型的变量:一组需要每组内的平均值,另一组需要每组内的总和。 也就是我想在应用一些链式函数(比如filter和select,因为原来的问题比这个更复杂)之后,对一个数据框中的两组不同的变量应用两个不同的summary函数。
> head(df, 10)
group.var x1 x2 x3 y1 y2 y3
1 1 460 477 236 65 142 384
2 1 88 336 114 93 378 52
3 1 93 290 353 384 498 43
4 1 394 105 306 172 216 267
5 1 402 145 423 425 125 322
6 2 187 473 466 279 81 484
7 2 465 373 50 422 136 78
8 2 404 455 362 205 315 12
9 2 54 202 242 348 324 275
10 2 340 380 14 442 376 491
理想情况下,我想在同一链中两次使用dplyr
的summarize_at
函数,以在两个不同的操作中将mean
应用于变量集 1 并将sum
应用于集 2,但出于明显的原因,返回的分组 df 无法识别第二组变量。
> df1 <- df %>%
+ select(group.var, x1:xn, y1:yn) %>% # just for reference
+ filter(x2 != 20) %>% # just for reference
+ group_by(group.var) %>%
+ summarize_at(vars(x1:xn), mean) %>%
+ summarize_at(vars(y1:ym), sum)
Error in is_character(x, encoding = encoding, n = 1L) :
object 'y1' not found
我可以编写两个片段,它们执行相同的分组、选择和过滤,但使用group.var
函数进行不同的summarize_all
,然后使用group.var
加入分组的 df,但我正在寻找一种更有效的方法。 我想要的最终结果是:
group.var x1 x2 x3 y1 y2 y3
1 1 287.4 270.6 286.4 1139 1359 1068
2 2 290.0 376.6 226.8 1696 1232 1340
任何建议,最好使用dplyr
或data.table
?
一种方法是使用mutate
,然后使用distinct
:
df %>%
select(group.var, x1:x3, y1:y3) %>%
filter(x2 != 20) %>%
group_by(group.var) %>%
mutate_at(vars(x1:x3), mean) %>%
mutate_at(vars(y1:y3), sum) %>%
distinct()
输出:
# A tibble: 2 x 7
# Groups: group.var [2]
group.var x1 x2 x3 y1 y2 y3
<int> <dbl> <dbl> <dbl> <int> <int> <int>
1 1 287. 271. 286. 1139 1359 1068
2 2 290 377. 227. 1696 1232 1340
另一种方法是对所有人进行两个总结,然后只选择相关的组合( x
mean
sum
y
sum
):
df %>%
select(group.var, x1:x3, y1:y3) %>%
filter(x2 != 20) %>%
group_by(group.var) %>%
summarise_all(funs(mean, sum)) %>%
select(group.var, matches("x\\d_mean"), matches("y\\d_sum"))
输出:
# A tibble: 2 x 7
group.var x1_mean x2_mean x3_mean y1_sum y2_sum y3_sum
<int> <dbl> <dbl> <dbl> <int> <int> <int>
1 1 287. 271. 286. 1139 1359 1068
2 2 290 377. 227. 1696 1232 1340
如果您对名称中的摘要规范感到困扰,您可以在末尾添加类似%>% rename_all(function(x) gsub("_.*", "", x))
。
最后但并非最不重要的是,还有一种带有purrr
的方法(将提供与此处第一种方法相同的输出):
library(tidyverse)
list(c(paste0("x", 1:3)), c(paste0("y", 1:3))) %>%
map2(lst(mean, sum),
~ df %>%
select(group.var, x1:x3, y1:y3) %>%
filter(x2 != 20) %>%
group_by(group.var) %>%
summarise_at(.x, .y)
) %>%
reduce(inner_join)
请注意,小数在上面的示例中消失了,因为这是tibble
显示它的方式,它们仍然存在,您可以在控制台中显示它们,并在每个片段的末尾添加%>% as.data.frame()
。
你可以试试这个代码:
df %>%
group_by(group.var) %>%
do(invoke_map_dfc(list(map_df),
list(list(select(., x1:x3), mean),
list(select(., y1:y3), sum))
)
)
输出将是
# A tibble: 2 x 7
# Groups: group.var [2]
group.var x1 x2 x3 y1 y2 y3
<int> <dbl> <dbl> <dbl> <int> <int> <int>
1 1 287. 271. 286. 1139 1359 1068
2 2 290 377. 227. 1696 1232 1340
输入数据框:
df <- data.frame(
id = 1:10,
group.var = c(1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L),
x1 = c(460L, 88L, 93L, 394L, 402L, 187L, 465L, 404L, 54L, 340L),
x2 = c(477L, 336L, 290L, 105L, 145L, 473L, 373L, 455L, 202L, 380L),
x3 = c(236L, 114L, 353L, 306L, 423L, 466L, 50L, 362L, 242L, 14L),
y1 = c(65L, 93L, 384L, 172L, 425L, 279L, 422L, 205L, 348L, 442L),
y2 = c(142L, 378L, 498L, 216L, 125L, 81L, 136L, 315L, 324L, 376L),
y3 = c(384L, 52L, 43L, 267L, 322L, 484L, 78L, 12L, 275L, 491L),
stringsAsFactors = FALSE)
使用 dplyr 的新across
功能可以通过这种方式完成
df1 <- df %>%
dplyr::select(group.var, x1:x3, y1:y3) %>% # just for reference
filter(x2 != 20) %>% # just for reference
group_by(group.var) %>%
summarise(across(x1:x3, mean), across(y1:y3, sum))
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.