总结并列出 dplyr 中的自定义索引

Posted 2023-02-14

【中文标题】总结并列出 dplyr 中的自定义索引

【英文标题】：Summarise and list custom index in dplyr

【发布时间】：2017-12-25 00:37:13

【问题描述】：

我正在尝试输出分组汇总变量以及相应的识别变量列表。

以dplyr::starwars 数据集为例，我想计算具有“浅”肤色的字符数，按性别分组，并在单独的输出列中使用与每个匹配项对应的名称向量。

在实际用例中，summarise 的条件不止一种，唯一标识符可能是subjectID/studyID/等。我对data.table 解决方案持开放态度，更喜欢基于矢量、R Shiny 友好、易于转换为函数的解决方案。

来自dplyr::starwars的示例：

starwars %>% 
  filter(species %in% c("Human", "Droid")) %>%
  group_by(gender) %>%
  summarise(
    skin = sum(skin_color=="light", na.rm=T),
    hair = sum(hair_color=="brown", na.rm=T)
  )

期望的输出：

gender skin hair  skinname                                                   hairname
 female  6   6  femname1, femname2, femname3, femname4, femname5, femname6   femhname1, femhname2, femhname3, femhname4, femhname5, femhname6
 male    5   8  mname1, mname2, mname3, mname4, mname5                       mhname1, mhname2, mhname3, mhname4, mhname5, mhname6, mhname7 mhname8
 none    0   0                                                 
 <NA>    0   0  

然后，此输出将使用t() 转置，并使用paste() 在DT（数据表）中创建匹配名称的悬停显示。

我想我需要类似的东西

skinname = as.list(.$name[which(skin_color == "light")])

在summarise 步骤中，或者可能是在summarise/mutate 中带有do.call 的自定义函数。

【参考方案1】：

如果你想要一个嵌套的data.frame，你可以使用tidyr::nest:

library(tidyverse)

starwars %>%
    filter(species %in% c("Human", "Droid"), 
           skin_color == 'light') %>%
    group_by(gender) %>% 
    group_by(skin = n(), add = TRUE) %>% 
    nest(name)
#> # A tibble: 2 x 3
#>   gender  skin             data
#>    <chr> <int>           <list>
#> 1 female     6 <tibble [6 x 1]>
#> 2   male     5 <tibble [5 x 1]>

或者如果您只想要嵌套向量，请使用list 进行总结：

starwars %>%
    filter(species %in% c("Human", "Droid"), 
           skin_color == 'light') %>%
    group_by(gender) %>% 
    summarise(skin = n(),
              name = list(name))
#> # A tibble: 2 x 3
#>   gender  skin      name
#>    <chr> <int>    <list>
#> 1 female     6 <chr [6]>
#> 2   male     5 <chr [5]>

或者如果你想保留空行，子集而不是过滤器：

starwars %>% 
    filter(species %in% c("Human", "Droid")) %>%
    group_by(gender) %>%
    summarise(
        skin = sum(skin_color == "light"), 
        name = list(name[skin_color == 'light'])
    )
#> # A tibble: 4 x 3
#>   gender  skin      name
#>    <chr> <int>    <list>
#> 1 female     6 <chr [6]>
#> 2   male     5 <chr [5]>
#> 3   none     0 <chr [0]>
#> 4   <NA>     0 <chr [0]>

如果您想将名称折叠为单个字符串，toString 可以完成这项工作，但如果您打算稍后分开，请确保字符串中没有逗号。

【讨论】：

感谢您，我应该提到目标是创建一个包含多个条件计数的分组汇总表。因此，我认为将skin_color == light 移动到filter() 步骤将不起作用。我将编辑问题以澄清。

那么听起来你应该分组而不是过滤。

我相信您的最后一个选择就是我正在寻找的解决方案，谢谢。