导致长度不等于 1 或 dplyr 中组长度的分组操作

Posted 2023-02-16

【中文标题】导致长度不等于 1 或 dplyr 中组长度的分组操作

【英文标题】：grouped operations that result in length not equal to 1 or length of group in dplyr

【发布时间】：2014-03-11 08:41:04

【问题描述】：

我不确定使用哪个函数来执行以下操作：

library(data.table)
dt = data.table(a = 1:4, b = 1:2)

dt[, rep(a[1], 3), by = b]
#   b V1
#1: 1  1
#2: 1  1
#3: 1  1
#4: 2  2
#5: 2  2
#6: 2  2

summarise 和 mutate 都不满意这个长度：

library(dplyr)
df = data.frame(a = 1:4, b = 1:2)

df %.% group_by(b) %.% summarise(rep(a[1], 3))
#Error: expecting a single value

df %.% group_by(b) %.% mutate(rep(a[1], 3))
#Error: incompatible size (3), expecting 2 (the group size) or 1

【问题讨论】：

不知道是否有帮助，但使用 dplyr 代码和 data.table 可以工作，而 plyr 你也可以使用 data.frame 来做到这一点。

@dickoa 谢谢，这很有趣（fwiw 这主要是让我了解如何使用dplyr 的练习——我真的不明白将它与data.table 一起使用的意义） ;听起来像summarise 中的一个错误然后

见github.com/hadley/dplyr/issues/154

+1 这是一个有趣的区别；希望最终解决方案允许任何组的任意返回长度。

在这种情况下df %>% group_by(b) %>% slice(rep(1, 3)) 工作正常。对于每行返回任意数量的值的逐行操作，您可以使用 df %>% mutate(new = map(old, f)) %>% unnest() 成语。

【参考方案1】：

在dplyr 0.2 版中，您可以使用do 运算符来执行此操作：

> df %>% group_by(b) %>% do(data.frame(a = rep(.$a[1], 3)))
#Source: local data frame [6 x 2]
#Groups: b
#
#  b a
#1 1 1
#2 1 1
#3 1 1
#4 2 2
#5 2 2
#6 2 2

【讨论】：

+1 向我展示了 do 可以做什么（尽管请注意我的“答案”中的 cmets）

【参考方案2】：

虽然@beginneR 的回答确实有效，但它似乎并不能真正替代data.table 行为。考虑：

df <- data.frame(a = 1, b = rep(1:1e4, 2))
dt <- data.table(df)
microbenchmark(times=5,
  dt[, rep(a[1], 3), by = b],
  df %>% group_by(b) %>% do(data.frame(a = rep(.$a[1], 3)))
)

dplyr 的实现速度慢了 200 倍。

Unit: milliseconds
                                                      expr        min         lq     median         uq
                                dt[, rep(a[1], 3), by = b]   13.14318   13.70248   14.60524   15.26676
 df %>% group_by(b) %>% do(data.frame(a = rep(.$a[1], 3))) 3269.40731 3359.11614 3583.19430 3736.67162

也许有更好的方法来使用do 而不需要调用data.frame 每个do？此外，data.table 中非常简单的东西的语法有点涉及。

否则，根据 Hadley's issue link，这似乎有望在 3.1 中的 dplyr 中实现，这看起来是下一个版本。