用 group_by(across(...)) 替换 group_by_at(vars(...)) 的规范方法答案

【问题标题】：canonical way of replacing group_by_at(vars(...)) by group_by(across(...))用 group_by(across(...)) 替换 group_by_at(vars(...)) 的规范方法
【发布时间】：2023-03-11 08:53:02
【问题描述】：

group_by_at 的当前文档指出，_at 函数已被使用 across 取代。但是，across 在我尝试时失败恢复原始分组，因为它忽略了当前的分组列。

do_with_cut <- function(df) {
  groupVarsOrig <- group_vars(df)
  df %>% 
    group_by(.data$cut, .add = TRUE) %>% 
    summarise(price = mean(price)) %>% 
    #group_by_at(vars(groupVarsOrig)) # marked as superseded
    #group_by(across(groupVarsOrig)) # fails for missing column color
    ungroup() %>% group_by(across(groupVarsOrig))
}

ggplot2::diamonds %>% 
  group_by(color) %>% 
  do_with_cut()

为了避免这些错误重新分组与未知先前分组的小标题我必须先ungroup。

但是，在我看来，总是在group_by(across(...)) 前面加上ungroup() 似乎不是替换group_by_at 的明确方法。现在推荐的重新分组方式是什么？

【问题讨论】：

标签： r dplyr tidyverse rlang

【解决方案1】：

原因是在summarise 之后，它只删除最后一组，即cut，因此您的数据已经按color 分组，因此它找不到color 列。见：

do_with_cut <- function(df) {
  groupVarsOrig <- group_vars(df)
  df %>% 
    group_by(.data$cut, .add = TRUE) %>% 
    summarise(price = mean(price)) 
}

ggplot2::diamonds %>% 
  group_by(color) %>% 
  do_with_cut() -> data

group_vars(data)
#[1] "color"

如果您使用 ungroup 或 .groups 参数删除所有先前的分组，那么它会按预期工作。

do_with_cut <- function(df) {
  groupVarsOrig <- group_vars(df)
  df %>% 
    group_by(.data$cut, .add = TRUE) %>% 
    summarise(price = mean(price), .groups = 'drop') %>%
    group_by(across(groupVarsOrig))
}

ggplot2::diamonds %>% 
  group_by(color) %>% 
  do_with_cut() 

# A tibble: 35 x 3
# Groups:   color [7]
#   color cut       price
#   <ord> <ord>     <dbl>
# 1 D     Fair      4291.
# 2 D     Good      3405.
# 3 D     Very Good 3470.
# 4 D     Premium   3631.
# 5 D     Ideal     2629.
# 6 E     Fair      3682.
# 7 E     Good      3424.
# 8 E     Very Good 3215.
# 9 E     Premium   3539.
#10 E     Ideal     2598.
# … with 25 more rows

【讨论】：