使用 dplyr 总结 R 中未知的列数答案

【问题标题】：Summarizing unknown number of column in R using dplyr使用 dplyr 总结 R 中未知的列数
【发布时间】：2016-12-07 22:47:16
【问题描述】：

我有以下 data.frame (df)

ID1 ID2 Col1 Col2 Col3 Grp
A   B   1    3    6    G1
C   D   3    5    7    G1
E   F   4    5    7    G2
G   h   5    6    8    G2

我想要实现的目标如下： - 按 Grp 分组，简单 - 然后汇总，以便我对每个组的列求和，并使用所有 ID1 和 ID2 的字符串创建列

应该是这样的：

df %>% 
   group_by(Grp) %>% 
      summarize(ID1s=toString(ID1), ID2s=toString(ID2), Col1=sum(Col1), Col2=sum(Col2), Col3=sum(Col3))

一切都很好，我知道列数（Col1，Col2，Col3），但是我希望能够实现它，以便它适用于已知且始终命名为相同 ID1、ID2 的数据框、Grp 和任意数量的未知名称的附加数字列。

有没有办法在 dplyr 中做到这一点。

【问题讨论】：

你试过了吗？ summarise_at(vars(starts_with("Col")), sum)
您如何将它与要汇总到的其他列以及可能不同/未知的名称而不是 Col1、col2 等一起使用
如果可能的名称未知，您会建议计算机如何找到它们？
跟进 Pierre 的评论，您想要引用的列有什么不同？ Grp 列是否总是最后一列？在这种情况下，您将寻找一种方法来引用除最后一列之外的所有列。想想您作为人类如何知道自己在寻找什么，然后我们就可以让计算机找到它。
为了记录，默认不区分大小写

标签： r dplyr summarize

【解决方案1】：

使用数据表，您可以尝试以下操作：

   setDT(df)
   sd_cols=3:(ncol(df)-1)
   merge(df[ ,.(toString(ID1), toString(ID2)), by = Grp],  df[ , c(-1,-2), with = F][ , lapply(.SD, sum), by = Grp],by = "Grp")

【讨论】：

【解决方案2】：

我希望能够实现它，以便它适用于具有已知且始终命名为相同 ID1、ID2、Grp 以及任意数量的未知名称的附加数字列的数据框。

您可以先覆盖 ID 列，然后再按它们分组：

DF %>% 
  group_by(Grp) %>% mutate_each(funs(. %>% unique %>% sort %>% toString), ID1, ID2) %>% 
  group_by(ID1, ID2, add=TRUE) %>% summarise_each(funs(sum))

# Source: local data frame [2 x 6]
# Groups: Grp, ID1 [?]
# 
#     Grp   ID1   ID2  Col1  Col2  Col3
#   (chr) (chr) (chr) (int) (int) (int)
# 1    G1  A, C  B, D     4     8    13
# 2    G2  E, G  F, h     9    11    15

我认为您需要在折叠成字符串之前进行 uniqify 和排序，所以我添加了这些步骤。

【讨论】：

不确定为什么“Grp，ID1 [?]”作为组给出...无论如何，请随时在 mutate_at 或 summarise_alongside 中进行编辑，或者如果这已经过时了。