使用dplyr在多個語句中添加匯總變量？

Question

在 dplyr 中， group_by 有一個參數add ，如果為真，則添加到 group_by 中。 例如：

data <- data.frame(a=c('a','b','c'), b=c(1,2,3), c=c(4,5,6))
data <- data %>% group_by(a, add=TRUE)
data <- data %>% group_by(b, add=TRUE)
data %>% summarize(sum_c = sum(c))

輸出：

  a         b sum_c
1 a         1     4
2 b         2     5
3 c         3     6

是否有類似的方法將匯總變量添加到匯總語句中？ 我有一些復雜的條件（使用dbplyr ），如果x=TRUE我想將變量x_v添加到摘要中。

我看到了幾個相關的 stackoverflow 問題，但我沒有看到。

編輯：這是一些精確的示例代碼，但從實際代碼（有兩個以上的條件）簡化。

summarize_num <- TRUE
summarize_num_distinct <- FALSE

data <- data.frame(val=c(1,2,2))

if (summarize_num && summarize_num_distinct) {
  summ <- data %>% summarize(n=n(), n_unique=n_distinct())
} else if (summarize_num) {
  summ <- data %>% summarize(n=n())
} else if (summarize_num_distinct) {
  summ <- data %>% summarize(n_unique=n_distinct())
}

根據條件（此處為 summarize_num 和 summarize_num_distinct），最終匯總（此處為 summ）具有不同的列。

隨着條件數量的增加，子句的數量組合地增加。 但是，條件是獨立的，所以我也想獨立添加匯總變量。

我正在使用dbplyr ，因此我必須以一種可以將其轉換為 SQL 的方式進行操作。

Answer 1

這對你的情況有用嗎？ 在這里，我們使用 mutate 為每個請求的求和添加一列。 它在計算上很浪費，因為它對每組中的每一行進行一次相同的求和，然后丟棄除每組第一行之外的所有內容。 但如果您的數據不是太大，那可能沒問題。

data <- data.frame(val=c(1,2,2), grp = c(1, 1, 2)) # To show it works within groups

summ <- data %>% group_by(grp)
if(summarize_num) {summ = mutate(summ, n = n())}
if(summarize_num_distinct) {summ = mutate(summ, n_unique=n_distinct(val))} 
summ = slice(summ, 1) %>% ungroup() %>% select(-val)

## A tibble: 2 x 3
#    grp     n n_unique
#  <dbl> <int>    <int>
#1     1     2        2
#2     2     1        1

Answer 2

summarise_at()函數將函數列表作為參數。 所以，我們可以得到

data <- data.frame(val=c(1,2,2))

fcts <- list(n_unique = n_distinct, n = length)
data %>% 
  summarise_at(.vars = "val", fcts)

 n_unique n 1 2 3

列表中的所有函數都必須采用一個參數。 因此， n()被length()取代。

可以根據 OP 的要求動態修改函數列表，例如，

summarize_num_distinct <- FALSE
summarize_num <- TRUE
fcts <- list(n_unique = n_distinct, n = length)
data %>% 
  summarise_at(.vars = "val", fcts[c(summarize_num_distinct, summarize_num)])

 n 1 3

因此，我們的想法是定義一個可能的聚合函數列表，然后動態選擇要計算的聚合。 甚至可以確定聚合中列的順序：

fcts <- list(n_unique = n_distinct, n = length, sum = sum, avg = mean, min = min, max = max)
data %>% 
  summarise_at(.vars = "val", fcts[c(6, 2, 4, 3)])

 max n avg sum 1 2 3 1.666667 5