grepl 和 group_by 使用 dplyr 在 R 中進行匯總

Question

我有一個 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")
)

我試圖這樣做：

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()))

但是每個區域都給出相同的call_rate和fixed_call_rate

預期的答案是：

基本上，我從分子中排除NoCall （不是NoCall1or2 ），而不是從分母中的n()

我錯過了什么？ 我還在分母中嘗試nrow(.) 。 我看到了一些類似的問題，但他們分別處理grepl而不是我打算的。 也歡迎任何更清潔的dplyr方法。

Answer 1

對於call_rate ，我們可以計算沒有"NoCall"的值的比率。 call_rate不需要正則表達式，因為它是完全匹配而不是模式匹配。 對於fixed_call_rate ，我們使用grepl來查找其中只有數字的值的比率。 我們為其添加單詞邊界（ \\b ），使其僅匹配"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

我們也可以使用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]