R - 对连续变量标题进行分组，将分类变量因子作为行并聚合为最小值、最大值、平均值

Posted 2023-02-16

【中文标题】R - 对连续变量标题进行分组，将分类变量因子作为行并聚合为最小值、最大值、平均值

【英文标题】：R - Group by on continuous variable headers with categorical variable factors as rows and aggregated as min, max, mean

【发布时间】：2021-12-31 21:37:57

【问题描述】：

我想通过将连续列保持为行并将分类因子作为列标题进行分组，聚合记录为平均值、最小值或最大值。这是一个基本问题，我无法弄清楚答案。以虹膜数据为例。我想获得每个物种类别的 sepal.width 和 sepal.length 的平均值。

library(dplyr)

mydata2 <-iris 

# Groupby function for dataframe in R

summarise_at(group_by(mydata2,Species),vars(Sepal.Length),funs(mean(.,na.rm=TRUE)))

OUTPUT 

Species    Sepal.Length
  <fct>             <dbl>
1 setosa             5.01
2 versicolor         5.94
3 virginica          6.59

我想用 Sepal.Length 作为我的行而不是 Species 和 Species 的各种因素作为我的列获得相同的输出。我也想要 Sepal.Width、Petal.Length、Petal.Width 该怎么做？

这就是我要找的 -

Species            setosa     versicolor  virginica
  
1 Sepal.Length       5.01      5.94       6.59

下面应该有 Sepal.Width 和其他连续的列。 我尝试过转置，但这会将所有内容都更改为字符数据类型。

【参考方案1】：

实现您想要的结果的一个选择是在summarise 之后通过例如重塑您的数据。 pivot_longer 和 pivot_wider。如果您经常这样做，您可以将代码放入一个方便的函数中，以便一步完成：

注意：我还放弃了summarise_at，并使用across 和where 切换到新的API。

library(dplyr)
library(tidyr)

summarise(group_by(iris, Species), across(where(is.numeric), mean, na.rm=TRUE)) %>% 
  pivot_longer(-Species, names_to = "var") %>% 
  pivot_wider(names_from = Species, values_from = value)
#> # A tibble: 4 × 4
#>   var          setosa versicolor virginica
#>   <chr>         <dbl>      <dbl>     <dbl>
#> 1 Sepal.Length  5.01        5.94      6.59
#> 2 Sepal.Width   3.43        2.77      2.97
#> 3 Petal.Length  1.46        4.26      5.55
#> 4 Petal.Width   0.246       1.33      2.03

【参考方案2】：

你可以使用tapplyinsinde lapply:

do.call(rbind, lapply(iris[sapply(iris, is.numeric)],
                      function(x) tapply(x, iris$Species, mean)))
#             setosa versicolor virginica
#Sepal.Length  5.006      5.936     6.588
#Sepal.Width   3.428      2.770     2.974
#Petal.Length  1.462      4.260     5.552
#Petal.Width   0.246      1.326     2.026