为啥 ``mean`` 函数不能在函数环境中与 ``group_by %>% summarise`` 一起正常工作？

Posted 2023-03-24

【中文标题】为啥 ``mean`` 函数不能在函数环境中与 ``group_by %>% summarise`` 一起正常工作？

【英文标题】：Why does the ``mean`` function not work properly with ``group_by %>% summarise`` in a function environement?为什么 ``mean`` 函数不能在函数环境中与 ``group_by %>% summarise`` 一起正常工作？

【发布时间】：2020-07-09 16:59:56

【问题描述】：

例如：

df <- data.frame("Treatment" = c(rep("A", 2), rep("B", 2)), "Price" = 1:4, "Cost" = 2:5)

我想通过对所有变量的处理来汇总数据，并将它们放在一起，所以我首先定义一个函数来为每个变量执行此操作，然后再rbind它们。

SummarizeFn <- function(x,y,z) 
                       df1 <- x %>% group_by(Treatment) %>% 
                       summarize(n = n(), Mean = mean(y), SD = sd(y)) %>% 
                       df1$Var = z # add a column to show which variable those statistics belong to. 
                   
SumPrice <- SummarizeFn(df, df$Price, "Price")

但是，结果是：

  Treatment     n  Mean    SD Var  
  <fct>     <int> <dbl> <dbl> <chr>
1 A             2   2.5  1.29 Price
2 B             2   2.5  1.29 Price

它们是所有观察值的平均值和标准差，但不是按治疗分组的观察值。这里有什么问题？

如果我将代码从函数环境中取出，它完全可以正常工作。请帮忙，谢谢。

如果你有更好的方法来实现我的目的，那就太好了！谢谢！

【参考方案1】：

当您在dplyr 管道中使用带有$ 的变量时，它们不尊重分组并且就像它们应用于整个数据帧一样工作。除此之外，您可以使用 来评估函数中的列名。

library(dplyr)

SummarizeFn <- function(x,y,z) 
  x %>% 
    group_by(Treatment) %>% 
    summarize(n = n(), Mean = mean(y), SD = sd(y), Var = z)


SummarizeFn(df, Price, "Price")

#  Treatment     n  Mean    SD Var  
#  <fct>     <int> <dbl> <dbl> <chr>
#1 A             2   1.5 0.707 Price
#2 B             2   3.5 0.707 Price

【参考方案2】：

这涉及到标准评价的问题。这很有趣，我刚刚写了一个article on the subject。这很难用dplyr 传递字符串名称。如果您需要这样做，请使用rlang::sym（或rlang::syms）和!!（或!!!）

关于您的问题，我认为data.table 为您提供了简洁的解决方案

dt <- as.data.table(mtcars)
output <- dt[,lapply(.SD, function(d) return(list(.N,mean(d),sd(d)))),
   .SDcols = c("mpg","qsec")]
output[,'stat' := c("observations","mean","sd")]
output

# output
#    mpg     qsec         stat
# 1:       32       32 observations
# 2: 20.09062 17.84875         mean
# 3: 6.026948 1.786943           sd

我建议使用lapply 的匿名函数，但您可以使用在摘要步骤之前定义的更复杂的函数。如果需要，更改 .SDcols 以包含更多变量

【讨论】：

非常感谢您的评论和解决方案，以及您在 data.table 上的文章。这是一个很好的。

谢谢！希望以后对你有帮助