grepl 和 group_by 使用 dplyr 在 R 中进行汇总

Question

我有一个 dataframe：

region_calls = data.frame(
  samples = c("S1", "S2", "S3", "S1", "S2", "S3"),
  CN_Region = c("A","A","A", "B", "B", "B"), 
  CN_State = c("0", "NoCall1or2", "1", "2", "NoCall1or2", "NoCall")
)

我试图这样做：

region_calls %>% group_by(CN_Region) %>%
  summarise(call_rate = sum(grepl("0|NoCall_1or2|1|NoCall_2or3|2|3|NoCall_3or4|4", CN_State)/n()),
            fixed_call_rate = sum(grepl("0|1|2|3|4", CN_State)/n()))

但是每个区域都给出相同的call_rate和fixed_call_rate

预期的答案是：

基本上，我从分子中排除NoCall （不是NoCall1or2 ），而不是从分母中的n()

我错过了什么？ 我还在分母中尝试nrow(.) 。 我看到了一些类似的问题，但他们分别处理grepl而不是我打算的。 也欢迎任何更清洁的dplyr方法。

Answer 1

对于call_rate ，我们可以计算没有"NoCall"的值的比率。 call_rate不需要正则表达式，因为它是完全匹配而不是模式匹配。 对于fixed_call_rate ，我们使用grepl来查找其中只有数字的值的比率。 我们为其添加单词边界（ \\b ），使其仅匹配"1" 、 "2"等而不"NoCall1or2"

library(dplyr)

region_calls %>%
  group_by(CN_Region) %>%
  summarise(call_rate = mean(CN_State != "NoCall"),
            fixed_call_rate = mean(grepl('\\b\\d\\b', CN_State)))

#  CN_Region call_rate fixed_call_rate
#  <fct>         <dbl>           <dbl>
#1 A             1               0.667
#2 B             0.667           0.333

Answer 2

我们也可以使用data.table

library(data.table)
setDT(region_calls)[, .( call_rate = mean(CN_State != "NoCall"),
        fixed_call_rate = mean(grepl('\\b\\d\\b', CN_State))), CN_Region]