使用 dplyr 对多列进行不同操作的汇总
Posted
技术标签:
【中文标题】使用 dplyr 对多列进行不同操作的汇总【英文标题】:Using dplyr summarize with different operations for multiple columns 【发布时间】:2018-08-03 07:18:10 【问题描述】:嗯,我知道已经有很多相关的问题,但没有一个能回答我的特殊需求。
我想在一个有 50 列的表上使用 dplyr "summarize",我需要对这些应用不同的汇总函数。
“Summarize_all”和“summarize_at”似乎都有一个缺点,即无法将不同的函数应用于不同的变量子组。
例如,假设 iris 数据集有 50 列,因此我们不想按名称来寻址列。我想要前两列的总和,第三列的平均值和所有剩余列的第一个值(在 group_by(Species) 之后)。我怎么能这样做?
【问题讨论】:
不确定我是否正确,但直接引用 here 之类的列号或提取列名并使用这些可能吗? 欢迎来到 Stack Overflow,为了在这里寻求帮助,请考虑how to write a reproducible example,谢谢。 用iris例子给出了可重现的例子。 人们只是逐字重复指南是怎么回事。这个问题很清楚。 【参考方案1】:幸运的是,现在有一种更简单的方法可用。
随着新的dplyr 1.0.0 即将推出,您可以利用across
函数实现此目的。
您只需要输入:
iris %>%
group_by(Species) %>%
summarize(
# I want the sum over the first two columns,
across(c(1,2), sum),
# the mean over the third
across(3, mean),
# the first value for all remaining columns (after a group_by(Species))
across(-c(1:3), first)
)
很好,不是吗?
我最初认为 cross 不是必需的,因为作用域变体工作得很好,但这个用例正是 across
函数非常有益的原因。
您可以通过devtools::install_github("tidyverse/dplyr")
获取最新版本的dplyr
【讨论】:
【参考方案2】:见this - 功能即将推出
【讨论】:
【参考方案3】:正如其他人所提到的,这通常通过为要应用汇总函数的每组列调用 summarize_each
/ summarize_at
/ summarize_if
来完成。据我所知,您必须创建一个自定义函数来对每个子集进行汇总。例如,您可以设置列名,以便您可以使用 select helpers(例如 contains()
)来过滤您想要应用该函数的列。如果没有,那么您可以设置要汇总的特定列号。
对于您提到的示例,您可以尝试以下操作:
summarizer <- function(tb, colsone, colstwo, colsthree,
funsone, funstwo, funsthree, group_name)
return(bind_cols(
summarize_all(select(tb, colsone), .funs = funsone),
summarize_all(select(tb, colstwo), .funs = funstwo) %>%
ungroup() %>% select(-matches(group_name)),
summarize_all(select(tb, colsthree), .funs = funsthree) %>%
ungroup() %>% select(-matches(group_name))
))
#With colnames
iris %>% as.tibble() %>%
group_by(Species) %>%
summarizer(colsone = contains("Sepal"),
colstwo = matches("Petal.Length"),
colsthree = c(-contains("Sepal"), -matches("Petal.Length")),
funsone = "sum",
funstwo = "mean",
funsthree = "first",
group_name = "Species")
#With indexes
iris %>% as.tibble() %>%
group_by(Species) %>%
summarizer(colsone = 1:2,
colstwo = 3,
colsthree = 4,
funsone = "sum",
funstwo = "mean",
funsthree = "first",
group_name = "Species")
【讨论】:
太棒了!这对我帮助很大,而且效果很好。谢谢!! 其他注意事项:对于函数的附加参数,您可以将它们添加到函数调用中,例如".funs = funsone, na.rm = T),"【参考方案4】:试试这个:
library(plyr)
library(dplyr)
dataframe <- data.frame(var = c(1,1,1,2,2,2),var2 = c(10,9,8,7,6,5),var3=c(2,3,4,5,6,7),var4=c(5,5,3,2,4,2))
dataframe
# var var2 var3 var4
#1 1 10 2 5
#2 1 9 3 5
#3 1 8 4 3
#4 2 7 5 2
#5 2 6 6 4
#6 2 5 7 2
funnames<-c(sum,mean,first)
colnums<-c(2,3,4)
ddply(.data = dataframe,.variables = "var",
function(x,funcs,inds)
mapply(function(func,ind)
func(x[,ind])
,funcs,inds)
,funnames,colnums)
# var V1 V2 V3
#1 1 27 3 5
#2 2 18 6 2
【讨论】:
【参考方案5】:您可以使用每个函数单独汇总数据,然后在需要时加入数据。
虹膜示例如下:
sums <- iris %>% group_by(Species) %>% summarise_at(1:2, sum)
means <- iris %>% group_by(Species) %>% summarise_at(3, mean)
firsts <- iris %>% group_by(Species) %>% summarise_at(4, first)
full_join(sums, means) %>% full_join(firsts)
不过,如果您需要使用的汇总函数不只少数,我会尝试考虑其他方法。
【讨论】:
以上是关于使用 dplyr 对多列进行不同操作的汇总的主要内容,如果未能解决你的问题,请参考以下文章