tidyverse 匯總多列但將結果顯示為行

Question

我有數據，我想使用 tidyverse 方法獲取多個列的匯總統計信息。 但是，利用 tidyverse 的summarize function，它會將每個列統計信息創建為一個新列，而我更願意將列名視為行並將每個統計信息視為一個新列。 所以我的問題是：

是否有比通過帶有pivot_longer和pivot_wider的summarize function 更優雅（我知道“優雅”是一個模糊的術語）的方式來實現這一點？

我正在使用 tidyverse package 的最新開發版本，即 dplyr 0.8.99.9003 和 tidyr 1.1.0。 因此，如果任何解決方案都需要這些軟件包中尚未出現在 CRAN 上的新功能，那很好。

library(tidyverse)

dat <- as.data.frame(matrix(1:100, ncol = 5))

dat %>%
  summarize(across(everything(), list(mean = mean,
                                      sum  = sum))) %>%
  pivot_longer(cols      = everything(),
               names_sep = "_",
               names_to  = c("variable", "statistic")) %>%
  pivot_wider(names_from = "statistic")

預期結果：

# A tibble: 5 x 3
  variable  mean   sum
  <chr>    <dbl> <dbl>
1 V1        10.5   210
2 V2        30.5   610
3 V3        50.5  1010
4 V4        70.5  1410
5 V5        90.5  1810

注意：我沒有設置任何列的名稱，所以如果有一種很好的方法可以獲取具有不同/通用名稱的表結構，那也可以。

Answer 1

不是一個tidyverse解決方案，而是一個data.table代替.. 另外，不確定它是否更“優雅”;-)

但在這里你 go...

library( data.table )
#make 'dat' a data.table
setDT(dat)
#transpose, keeping column names
dat <- transpose(dat, keep.names = "var_name" )
#melt to long and summarise
melt(dat, id.vars = "var_name")[, .(mean = mean(value), sum = sum(value) ), by = var_name]


#    var_name mean  sum
# 1:       V1 10.5  210
# 2:       V2 30.5  610
# 3:       V3 50.5 1010
# 4:       V4 70.5 1410
# 5:       V5 90.5 1810

Answer 2

您可以通過在names_to中使用".value"來跳過pivot_wider步驟。

library(dplyr)

dat %>%
  summarise_all(list(mean = mean,sum  = sum)) %>%
  tidyr::pivot_longer(cols = everything(),
               names_sep = "_",
               names_to  = c("variable", ".value"))


# A tibble: 5 x 3
#  variable  mean   sum
#  <chr>    <dbl> <int>
#1 V1        10.5   210
#2 V2        30.5   610
#3 V3        50.5  1010
#4 V4        70.5  1410
#5 V5        90.5  1810

Answer 3

您可以先將所有列堆疊在一起並按組匯總。

dat %>%
  pivot_longer(everything()) %>%
  group_by(name) %>% 
  summarise_at("value", list(~mean(.), ~sum(.)))

# # A tibble: 5 x 3
#   name   mean   sum
#   <chr> <dbl> <int>
# 1 V1     10.5   210
# 2 V2     30.5   610
# 3 V3     50.5  1010
# 4 V4     70.5  1410
# 5 V5     90.5  1810