R dplyr：来自外部查找表的 summarise_each？

Posted 2023-03-24

【中文标题】R dplyr：来自外部查找表的 summarise_each？

【英文标题】：R dplyr: summarise_each from an external lookup table?

【发布时间】：2016-06-27 22:21:50

【问题描述】：

如何使用dplyr 解决以下玩具问题：

取一个数据框，其中每行至少包含两个用空格分隔的鸢尾花：

mySpecies <- data.frame(
  Species=c("lazica uniflora setosa", 
        "virginica setosa uniflora loczyi",
        "versicolor virginica"))

我想在“mySpecies”中添加 2 列，其中每行包含 Sepal.Length 和 Sepal.Width 的平均值 仅适用于单独查找表中可用的那些物种：鸢尾花数据集：unique(iris$Species)

此示例的输出应该是 mySpecies 数据框，其中包含附加的“Sepal.Length.mean”和“Sepal.Width.mean”列，其中包含出现在 iris$Species 中的每个物种的这些变量的平均值。

所以第一行将只包含“setosa”的 Sepal.Length 和 Sepal.Width，因为其他物种名称不会出现在 iris 中。然而，第二行将包含跨 'virginica' 和 'setosa' 的 Sepal.Length 和 Sepal.Width 的平均值，因为它们都出现在查找表中（即iris）。

请注意，这是一个玩具示例，但我的实际数据框非常大。

【问题讨论】：

那么您的示例所需的输出是什么？

不清楚你想要怎样的输出

你是说iris %>% group_by(Species) %>% summarise_each(funs(mean), Sepal.Length:Sepal.Width) %>% bind_cols(., mySpecies)

我已经详细说明了所需的输出

【参考方案1】：

给你。首先，将您的字符串拆分为单个物种；然后对于每个组：过滤匹配的行，并计算平均值。

mySpecies %>%
    group_by(Species) %>%
    do(
        spec <- strsplit(as.character(.$Species), " ", fixed=TRUE)[[1]]
        filter(iris, Species %in% spec) %>%
            summarise_each(funs(mean), Sepal.Length, Sepal.Width)
    )

【参考方案2】：

library(dplyr)

mySpecies= c("setosa", "loczyi", "virginica")

filter(iris, Species %in% mySpecies) %>%
    group_by(iris, Species) %>% 
    summarise(mean_width = mean(Sepal.Width),
              mean_length = mean(Sepal.Length))