dplyr 總結：相當於“.drop=FALSE”以在輸出中保持長度為零的組

Question

將summarise與plyr的ddply函數一起使用時，默認情況下會刪除空類別。 您可以通過添加.drop = FALSE來更改此行為。 但是，這在使用帶有dplyr summarise時dplyr 。 有沒有另一種方法可以在結果中保留空類別？

這是一個帶有虛假數據的示例。

library(dplyr)

df = data.frame(a=rep(1:3,4), b=rep(1:2,6))

# Now add an extra level to df$b that has no corresponding value in df$a
df$b = factor(df$b, levels=1:3)

# Summarise with plyr, keeping categories with a count of zero
plyr::ddply(df, "b", summarise, count_a=length(a), .drop=FALSE)

  b    count_a
1 1    6
2 2    6
3 3    0

# Now try it with dplyr
df %.%
  group_by(b) %.%
  summarise(count_a=length(a), .drop=FALSE)

  b     count_a .drop
1 1     6       FALSE
2 2     6       FALSE

不完全是我所希望的。 是否有dplyr達到同樣的結果的方法.drop=FALSE在plyr ？

Answer 1

這個問題仍然是開放的，但在此期間，特別是因為您的數據已經被分解，你可以使用complete從“tidyr”得到什么，你可能會尋找：

library(tidyr)
df %>%
  group_by(b) %>%
  summarise(count_a=length(a)) %>%
  complete(b)
# Source: local data frame [3 x 2]
# 
#        b count_a
#   (fctr)   (int)
# 1      1       6
# 2      2       6
# 3      3      NA

如果您希望替換值為零，則需要使用fill指定：

df %>%
  group_by(b) %>%
  summarise(count_a=length(a)) %>%
  complete(b, fill = list(count_a = 0))
# Source: local data frame [3 x 2]
# 
#        b count_a
#   (fctr)   (dbl)
# 1      1       6
# 2      2       6
# 3      3       0

Answer 2

由於dplyr 0.8 group_by獲得了.drop參數，它.drop您的要求：

df = data.frame(a=rep(1:3,4), b=rep(1:2,6))
df$b = factor(df$b, levels=1:3)

df %>%
  group_by(b, .drop=FALSE) %>%
  summarise(count_a=length(a))

#> # A tibble: 3 x 2
#>   b     count_a
#>   <fct>   <int>
#> 1 1           6
#> 2 2           6
#> 3 3           0

與@Moody_Mudskipper 的回答一起使用的另一個注意事項：當一個或多個分組變量未編碼為因子時，使用.drop=FALSE可能會產生潛在的意外結果。 請參閱以下示例：

library(dplyr)
data(iris)

# Add an additional level to Species
iris$Species = factor(iris$Species, levels=c(levels(iris$Species), "empty_level"))

# Species is a factor and empty groups are included in the output
iris %>% group_by(Species, .drop=FALSE) %>% tally

#>   Species         n
#> 1 setosa         50
#> 2 versicolor     50
#> 3 virginica      50
#> 4 empty_level     0

# Add character column
iris$group2 = c(rep(c("A","B"), 50), rep(c("B","C"), each=25))

# Empty groups involving combinations of Species and group2 are not included in output
iris %>% group_by(Species, group2, .drop=FALSE) %>% tally

#>   Species     group2     n
#> 1 setosa      A         25
#> 2 setosa      B         25
#> 3 versicolor  A         25
#> 4 versicolor  B         25
#> 5 virginica   B         25
#> 6 virginica   C         25
#> 7 empty_level <NA>       0

# Turn group2 into a factor
iris$group2 = factor(iris$group2)

# Now all possible combinations of Species and group2 are included in the output, 
#  whether present in the data or not
iris %>% group_by(Species, group2, .drop=FALSE) %>% tally

#>    Species     group2     n
#>  1 setosa      A         25
#>  2 setosa      B         25
#>  3 setosa      C          0
#>  4 versicolor  A         25
#>  5 versicolor  B         25
#>  6 versicolor  C          0
#>  7 virginica   A          0
#>  8 virginica   B         25
#>  9 virginica   C         25
#> 10 empty_level A          0
#> 11 empty_level B          0
#> 12 empty_level C          0

Created on 2019-03-13 by the reprex package (v0.2.1)

Answer 3

dplyr 解決方案：

首先進行分組df

by_b <- tbl_df(df) %>% group_by(b)

然后我們通過用n()計數來總結出現的那些級別

res <- by_b %>% summarise( count_a = n() )

然后我們將我們的結果合並到一個包含所有因子水平的數據框中：

expanded_res <- left_join(expand.grid(b = levels(df$b)),res)

最后，在這種情況下，由於我們正在查看計數，因此NA值更改為 0。

final_counts <- expanded_res[is.na(expanded_res)] <- 0

這也可以在功能上實現，請參閱答案： 使用 dplyr 將行添加到分組數據？

一個黑客：

為了利益，我想我會發布一個在這種情況下有效的可怕黑客。 我嚴重懷疑你真的應該這樣做，但它顯示了group_by()如何生成屬性，就好像df$b是一個字符向量而不是級別的因素。 此外，我不會假裝正確理解這一點——但我希望這有助於我學習——這是我發布它的唯一原因！

by_b <- tbl_df(df) %>% group_by(b)

定義一個不能存在於數據集中的“越界”值。

oob_val <- nrow(by_b)+1

將屬性修改為“trick” summarise() ：

attr(by_b, "indices")[[3]] <- rep(NA,oob_val)
attr(by_b, "group_sizes")[3] <- 0
attr(by_b, "labels")[3,] <- 3

做總結：

res <- by_b %>% summarise(count_a = n())

索引並替換所有出現的 oob_val

res[res == oob_val] <- 0

這給出了預期的：

> res
Source: local data frame [3 x 2]

b count_a
1 1       6
2 2       6
3 3       0

Answer 4

這與問題中所問的不完全相同，但至少對於這個簡單的示例，您可以使用 xtabs 獲得相同的結果，例如：

使用 dplyr：

df %>%
  xtabs(formula = ~ b) %>%
  as.data.frame()

或更短：

as.data.frame(xtabs( ~ b, df))

結果（在兩種情況下都相等）：

  b Freq
1 1    6
2 2    6
3 3    0