在 dplyr 的循环中引用变量名

Question

我知道这已经被讨论过，但找不到适合我的解决方案。 我有几个名为“indic___1”到“indic___8”的二进制 (0/1) 变量和一个连续变量“measure”。

我想计算每个组中“度量”的汇总统计数据，因此我创建了以下代码：

library(dplyr)
indic___1 <- c(0, 1, 0, 1, 0)
indic___2 <- c(1, 1, 0, 1, 1)
indic___3 <- c(0, 0, 1, 0, 0)
indic___4 <- c(1, 1, 0, 1, 0)
indic___5 <- c(0, 0, 0, 1, 1)
indic___6 <- c(0, 1, 1, 1, 0)
indic___7 <- c(1, 1, 0, 1, 1)
indic___8 <- c(0, 1, 1, 1, 0)
measure <- c(28, 15, 26, 42, 12)

dataset <- data.frame(indic___1, indic___2, indic___3, indic___4, indic___5, indic___6, indic___7, indic___8, measure)

for (i in 1:8) {
  variable <- paste0("indic___", i)
  print(variable)
  dataset %>% group_by(variable) %>% summarise(mean = mean(measure))
}

它返回一个错误：

Error in `group_by()`:
! Must group by variables found in `.data`.
x Column `variable` is not found.

Answer 1

将数据放入长格式使得这通常可以在没有循环的情况下解决。 您没有指定要对循环内的数据做什么，所以我不得不猜测，但解决方案的一般形式如下所示：

results = dataset |>
    pivot_longer(starts_with("indic___"), names_pattern = "indic___(.*)") |>
    group_by(name, value) |>
    summarize(mean = mean(measure), .groups = "drop")

# # A tibble: 16 × 3
#    name  value  mean
#    <chr> <dbl> <dbl>
#  1 1         0  22
#  2 1         1  28.5
#  3 2         0  26
#  4 2         1  24.2
#  5 3         0  24.2
# …

如果要将结果与各个名称分开，可以结合使用nest和pull ：

results |>
    nest(data = c(value, mean), .by = name) |>
    pull(data)

# [[1]]
# # A tibble: 2 × 2
#   value  mean
#   <dbl> <dbl>
# 1     0  22
# 2     1  28.5
#
# [[2]]
# # A tibble: 2 × 2
#   value  mean
#   <dbl> <dbl>
# 1     0  26
# 2     1  24.2
# …

…但在这一点上，我会问自己为什么我首先要使用表操作。 以下似乎容易得多：

indices = unname(mget(ls(pattern = "^indic___")))
results = indices |>
    lapply(split, x = measure) |>
    lapply(vapply, mean, numeric(1L))

# [[1]]
#    0    1
# 22.0 28.5
#
# [[2]]
#     0     1
# 26.00 24.25
# …

值得注意的是，在实际代码中，您不需要第一行，因为您的数据一开始就不应该是单独的、编号的变量。 这样做的正确方法是将数据放在一个联合列表中，就像这里所做的那样。 另请注意，我再次明确删除了不可读的indic___X名称。 您当然可以保留它们（只需删除unname调用），但我不推荐这样做。