在 dplyr 窗口函数中使用多列？

Posted 2023-03-31

【中文标题】在 dplyr 窗口函数中使用多列？

【英文标题】：Using multiple columns in dplyr window functions?

【发布时间】：2018-01-19 08:54:09

【问题描述】：

从 SQL 开始，我希望我能够在 dplyr 中执行以下操作，这可能吗？

# R
tbl %>% mutate(n = dense_rank(Name, Email))

-- SQL
SELECT Name, Email, DENSE_RANK() OVER (ORDER BY Name, Email) AS n FROM tbl

PARTITION BY 也有等价物吗？

【问题讨论】：

喜欢这个mtcars %>% mutate(n = dense_rank(interaction(cyl, hp)))?

@docendodiscimus 太棒了，完全忘记了interaction() 我已经对这些值进行了哈希处理，但这会打乱顺序。使用PARTITION BY有什么简单的解决方案吗？

我不知道那是什么

@CodeMonkey - 如果您想通过PARTITION BY 获得分组排名，您可以在 dplyr 中使用group by。 ***.com/questions/34967837/…

@Jason 太棒了！它的工作。使用与lex.order 的交互几乎可以模拟 OVER(ORDER BY) 和 group_by 就像一个魅力。谢谢！

【参考方案1】：

我确实遇到了这个问题，这是我的解决方案：

如果您找不到任何支持按多个变量排序的函数，我建议您使用paste() 按优先级从左到右连接它们。

下面是代码示例：

tbl %>%
  mutate(n = dense_rank(paste(Name, Email))) %>%
  arrange(Name, Email) %>%
  view()

此外，我猜 group_by 相当于 SQL 中的 PARTITION BY。

此解决方案的不足之处在于您只能按 2 个（或更多）具有相同方向的变量排序。如果您需要按具有不同方向的多个列进行排序，例如 1 asc 和 1 desc，我建议您尝试以下操作： Calculate rank with ties based on more than one variable

【讨论】：

您提出的示例与所要求的示例不同。尝试更新它以匹配问题创建者提供的示例。

您好，如果您解决了答案，我可以将其设置为已接受。