在 dplyr 包中使用汇总和交叉，同时区分数字和非数字列答案

【问题标题】：Using summarise and across in the dplyr package while distinguishing between numeric and non-numeric columns在 dplyr 包中使用汇总和交叉，同时区分数字和非数字列
【发布时间】：2020-10-20 19:38:32
【问题描述】：

我想使用dplyr 对如下所示的数据集执行一些操作：

data <- data.frame(day = c(rep(1, 15), rep(2, 15)), nweek = rep(rep(1:5, 3),2), 
                   firm = rep(sapply(letters[1:3], function(x) rep(x, 5)), 2), 
                   quant = rnorm(30), price = runif(30) )

每个观察都在日、周和公司级别（一周只有 2 天）。

我想通过以下方式总结数据（按firm分组）（1）取一周中across变量numeric的平均值（即quant和price），并为非数字变量获取第一个条目（在这种情况下，它只是 firm，但在我的真实数据集中，我有多个非数字变量（Date 和 character），它们可能会在一周 (nweek)，所以我只想在一周的第一天输入所有非数字变量。

我尝试使用 summarise 和 across 但出现错误

> data %>% group_by(firm, nweek) %>% dplyr::summarise(across(which(sapply(data, is.numeric)), ~ mean(.x, na.rm = TRUE)),
+                           across(which(sapply(data, !(is.numeric))), ~ head(.x, 1))
+ )
Error: Problem with `summarise()` input `..2`.
x invalid argument type
ℹ Input `..2` is `across(which(sapply(data, !(is.numeric))), ~head(.x, 1))`.
Run `rlang::last_error()` to see where the error occurred.

有什么帮助吗？

【问题讨论】：

标签： r dplyr numeric across

【解决方案1】：

我不知道您的预期输出应该是什么样子，但是这样的东西可能会达到您想要实现的目标

data %>%
  group_by(firm, nweek) %>% 
  summarise(
    across(where(is.numeric), ~ mean(.x, na.rm = TRUE)),
    across(!where(is.numeric), ~ head(.x, 1))
)

作为旁注，不要使用which(sapply(...))，而是查看where 帮助器，以在此post 中对across 中的变量进行条件选择。

输出

# A tibble: 15 x 5
# Groups:   firm [3]
   firm  nweek   day   quant price
   <chr> <int> <dbl>   <dbl> <dbl>
 1 a         1   1.5 -0.336  0.903
 2 a         2   1.5  0.0837 0.579
 3 a         3   1.5  0.0541 0.425
 4 a         4   1.5  1.21   0.555
 5 a         5   1.5  0.462  0.806
 6 b         1   1.5  0.0493 0.346
 7 b         2   1.5  0.635  0.596
 8 b         3   1.5  0.406  0.583
 9 b         4   1.5 -0.707  0.205
10 b         5   1.5  0.157  0.816
11 c         1   1.5  0.728  0.271
12 c         2   1.5  0.117  0.775
13 c         3   1.5 -1.05   0.234
14 c         4   1.5 -1.35   0.290
15 c         5   1.5  0.771  0.310

【讨论】：