有没有办法使用 dplyr 根据除以另一列的 group_by 来创建新列？答案

【问题标题】：Is there a way using dplyr to create a new column based on dividing by group_by of another column?有没有办法使用 dplyr 根据除以另一列的 group_by 来创建新列？
【发布时间】：2020-01-02 04:52:02
【问题描述】：

我正在尝试通过将整数列 A（下面的 data1/2/3）除以列 A 的模式来创建一个新列，当它被另一个整数列 B（下面的 group1/2）分组时

group1=rep(1:5,each=2)
group2=rep(6:10, each=2)
data1=c(1,1,1,1,1,4,5,6,3,8)
data2=c(5,4,5,7,8,5,2,1,1,5)
data3=c(6,6,8,9,5,4,3,3,1,1)
DF=data.frame(group1,group2,data1,data2,data3)

   group1 group2 data1 data2 data3
1       1      6     1     5     6
2       1      6     1     4     6
3       2      7     1     5     8
4       2      7     1     7     9
5       3      8     1     8     5
6       3      8     4     5     4
7       4      9     5     2     3
8       4      9     6     1     3
9       5     10     3     1     1
10      5     10     8     5     1

我一次成功地完成了这一列（见下面的代码），但我希望能够概括它：

DF %>%
  group_by(group2) %>%
  mutate(group2_mode = as.integer(head(names(sort(table(data2))),1))) %>%
  mutate(group2_data2 = data2/group2_mode) %>%
  #select(-c(group1_mode)) %>%
           ungroup()

# A tibble: 10 x 7
   group1 group2 data1 data2 data3 group2_mode group2_data2
    <int>  <int> <dbl> <dbl> <dbl>       <int>        <dbl>
 1      1      6     1     5     6           4         1.25
 2      1      6     1     4     6           4         1   
 3      2      7     1     5     8           5         1   
 4      2      7     1     7     9           5         1.4 
 5      3      8     1     8     5           5         1.6 
 6      3      8     4     5     4           5         1   
 7      4      9     5     2     3           1         2   
 8      4      9     6     1     3           1         1   
 9      5     10     3     1     1           1         1   
10      5     10     8     5     1           1         5

这可行，但在为每个数据/组组合写出时会很笨重。

我已尝试按如下方式遍历 for 循环：

for (i in colnames(DF[,3:5])){
  for (k in colnames(DF[,1:2])){
    DF %>%
      group_by(k) %>%
      mutate(paste(c(k,"_",i), collapse = '') <- i/as.integer(head(names(sort(table(i))),1)))
  }
}

并收到以下错误：

Error: Column `k` is unknown

我希望输出类似于上面的第一个代码块，但针对每个数据/组组合。我还尝试将 for 循环中的所有变异列标记为相同的东西，但这也会导致相同的错误。我怀疑问题出在 group_by 语句中，但我不知道如何。

感谢您的宝贵时间

【问题讨论】：

你想要得到的输出是什么？我认为您可能需要做一些 tidyeval 才能在 mutate 调用中创建具有动态名称的新列
感谢您的回复。我修改了问题以反映“笨拙”方法的输出。理想情况下，我希望在原始数据框中添加 6 列，其中包含数据/组的所有组合。

标签： r for-loop group-by dplyr

【解决方案1】：

基本解决方案可能同样有用 - 我使用了 @Jon Spring 建议的 mode 函数。

mode <- function(codes){
  which.max(tabulate(codes))
}

groups <- c('group1', 'group2')
datas <- c('data1', 'data2', 'data3')

for (grp in groups) {
  for (col in datas) {
    DF[, paste(col, grp, sep = '_')] <- ave(x = DF[[col]], DF[[grp]], FUN = function(x) x / mode(x))
  }
}

   group1 group2 data1 data2 data3 data1_group1 data2_group1 data3_group1 data1_group2 data2_group2 data3_group2
1       1      6     1     5     6     1.000000         1.25        1.000     1.000000         1.25        1.000
2       1      6     1     4     6     1.000000         1.00        1.000     1.000000         1.00        1.000
3       2      7     1     5     8     1.000000         1.00        1.000     1.000000         1.00        1.000
4       2      7     1     7     9     1.000000         1.40        1.125     1.000000         1.40        1.125
5       3      8     1     8     5     1.000000         1.60        1.250     1.000000         1.60        1.250
6       3      8     4     5     4     4.000000         1.00        1.000     4.000000         1.00        1.000
7       4      9     5     2     3     1.000000         2.00        1.000     1.000000         2.00        1.000
8       4      9     6     1     3     1.200000         1.00        1.000     1.200000         1.00        1.000
9       5     10     3     1     1     1.000000         1.00        1.000     1.000000         1.00        1.000
10      5     10     8     5     1     2.666667         5.00        1.000     2.666667         5.00        1.000

【讨论】：

这正是我所需要的。感谢您的帮助！

【解决方案2】：

借用here，我们可以定义一个helper mode函数：

mode <- function(codes){
  which.max(tabulate(codes))
}

然后：

DF %>%
  group_by(group2) %>%
  mutate_at(vars(matches("data")), ~. / mode(.))

[理论上应该可以，但是此模式功能的工作方式似乎与您的不同，我还不知道如何解决。]

编辑：要对多个组执行此操作，您可以像这样创建新列：

  DF %>%
    group_by(group1) %>%
    mutate_at(vars(matches("data")), 
              .funs = list(gp1 = ~. / mode(.))) %>%
    group_by(group2) %>%
    mutate_at(vars(matches("data")), 
              .funs = list(gp2 = ~. / mode(.)))

# A tibble: 10 x 14
# Groups:   group2 [5]
   group1 group2 data1 data2 data3 data1_gp1 data2_gp1 data3_gp1 data1_gp2 data2_gp2 data3_gp2 data1_gp1_gp2 data2_gp1_gp2 data3_gp1_gp2
    <int>  <int> <dbl> <dbl> <dbl>     <dbl>     <dbl>     <dbl>     <dbl>     <dbl>     <dbl>         <dbl>         <dbl>         <dbl>
 1      1      6     1     5     6      1         1.25      1         1         1.25      1             1             1.25          1   
 2      1      6     1     4     6      1         1         1         1         1         1             1             1             1   
 3      2      7     1     5     8      1         1         1         1         1         1             1             1             1   
 4      2      7     1     7     9      1         1.4       1.12      1         1.4       1.12          1             1.4           1.12
 5      3      8     1     8     5      1         1.6       1.25      1         1.6       1.25          1             1.6           1.25
 6      3      8     4     5     4      4         1         1         4         1         1             4             1             1   
 7      4      9     5     2     3      1         2         1         1         2         1             1             2             1   
 8      4      9     6     1     3      1.2       1         1         1.2       1         1             1.2           1             1   
 9      5     10     3     1     1      1         1         1         1         1         1             1             1             1   
10      5     10     8     5     1      2.67      5         1         2.67      5         1             2.67          5             1

如果您有很多组，那么我们可能希望为此创建一个函数。除了命名步骤之外，这主要是有效的——我希望我的组选择也为新列标签提供名称。 := 在这里似乎对我不起作用，否则这似乎是在 tidyeval 中命名新列的方式。 有人可以帮我吗？

add_grouped_medians <- function(df, group) {
  suffix = !!group  # This part seems to be missing the right
                    #  syntax. I want to make the group input available to the
                    #  .funs list below....
  df %>%
    group_by(!! group) %>%
    mutate_at(vars(matches("data")),
              .funs = list( suffix = ~. / mode(.)))
}

注意输出如何使用“后缀”而不是使用组名来代替它的位置：

> DF %>% add_grouped_medians(group1, "gp1")
# A tibble: 10 x 9
# Groups:   <int> [5]
   group1 group2 data1 data2 data3 `<int>` data1_suffix data2_suffix data3_suffix
    <int>  <int> <dbl> <dbl> <dbl>   <int>        <dbl>        <dbl>        <dbl>
 1      1      6     1     5     6       1         1            1.25         1   
 2      1      6     1     4     6       1         1            1            1   
 3      2      7     1     5     8       2         1            1            1   
 4      2      7     1     7     9       2         1            1.4          1.12
 5      3      8     1     8     5       3         1            1.6          1.25
 6      3      8     4     5     4       3         4            1            1   
 7      4      9     5     2     3       4         1            2            1   
 8      4      9     6     1     3       4         1.2          1            1   
 9      5     10     3     1     1       5         1            1            1   
10      5     10     8     5     1       5         2.67         5            1

【讨论】：

这让我朝着目标迈进了一步。有了这个，我可以将现有的列改变为我正在寻找的模式比率，但我希望能够在一个函数中通过每个组迭代地做到这一点。
添加了一种手动获取更多分组的方法，这对于少量的组列可能很好。我还没有完全破解如何使用tidyeval 制作更通用的版本...

【解决方案3】：

您可以尝试一些整洁的评估。 Mode 的定义取自 here。

Mode <- function(x) {
    ux <- unique(x)
    ux[which.max(tabulate(match(x, ux)))]
}

我们可以使用grep 分隔group 和data 列。然后对它们使用for 循环

library(dplyr)
library(rlang)

group_cols <- grep("^group", names(DF), value = TRUE)
data_cols <- grep("^data", names(DF), value = TRUE)

for (col  in seq_along(group_cols)) {
    data  <- sym(data_cols[col])
    DF <- DF %>%
           group_by_at(group_cols[col]) %>%
           mutate(!!paste0("group", col, "mode") := !!data/Mode(!!data))
}
DF

#   group1 group2 data1 data2 data3 group1mode group2mode
#    <int>  <int> <dbl> <dbl> <dbl>      <dbl>      <dbl>
# 1      1      6     1     5     6       1         1    
# 2      1      6     1     4     6       1         0.8  
# 3      2      7     1     5     8       1         1    
# 4      2      7     1     7     9       1         1.4  
# 5      3      8     1     8     5       1         1    
# 6      3      8     4     5     4       4         0.625
# 7      4      9     5     2     3       1         1    
# 8      4      9     6     1     3       1.2       0.5  
# 9      5     10     3     1     1       1         1    
#10      5     10     8     5     1       2.67      5

几乎没有什么需要注意的，正如@Jon Spring 已经提到的，您的模式计算与标准计算不同。如果需要，您可以将上述Mode 更改为您的计算方式。同样在现实中，我希望您拥有相同数量的 group 和 data 列（这里它们是不相等的）。

【讨论】：