得到“不能对不存在的列进行子集化。”当 dplyr 确实存在该列时答案

【问题标题】：Getting "Can't subset columns that don't exist." when the column does exist with dplyr得到“不能对不存在的列进行子集化。”当 dplyr 确实存在该列时
【发布时间】：2020-12-25 09:57:20
【问题描述】：

我已将变量“县”列为一列，但当我尝试以这种方式使用 group_by_across 聚合它时：

testing4 <- testing2 %>%
        group_by(across(-c(county, population))) %>%
        summarise(pop=sum(population))

它给了我：

Error: Problem with `mutate()` input `..1`.
x Can't subset columns that don't exist.
x Column `county` doesn't exist.
Input `..1` is `across(-c(county, population))`.
i The error occurred in group 1: year = 1980, state = "AK", stfips = 2, 
county = 2900.
Run `rlang::last_error()` to see where the error occurred.

但是，当我这样做时

testing3 <- testing2 %>%
        group_by(year, state, stfips, race) %>%
        summarise(pop = sum(population))

它运行良好。

编辑：有人要求 dput(head(testing2))

dput(head(testing2))
structure(list(year = c(1980L, 1980L, 1980L, 1980L, 1980L, 1980L
), state = c("AK", "AK", "AK", "AL", "AL", "AL"), stfips = c(2L, 
2L, 2L, 1L, 1L, 1L), county = c(2900L, 2900L, 2900L, 1001L, 1001L, 
1001L), race = c(1L, 2L, 3L, 1L, 2L, 3L), population = c(318054L, 
13960L, 72666L, 24876L, 7193L, 148L)), row.names = c(NA, -6L), groups = 
structure(list(
year = c(1980L, 1980L), state = c("AK", "AL"), stfips = 2:1, 
county = c(2900L, 1001L), .rows = structure(list(1:3, 4:6), ptype = 
integer(0), class = c("vctrs_list_of", 
"vctrs_vctr", "list"))), row.names = 1:2, class = c("tbl_df", 
"tbl", "data.frame"), .drop = TRUE), class = c("grouped_df", 
"tbl_df", "tbl", "data.frame"))

【问题讨论】：

似乎across() 可能会导致问题。您没有在工作版本中使用它。如果您提供带有样本输入和所需输出的reproducible example，会更容易提供帮助。随意为您的示例使用内置数据集，而不是您自己的数据。
当我做iris %>% group_by(across(-c(Sepal.Length, -Petal.Length))) 时，它似乎有效。所以也许它真的是你特定的data.frame。分享dput()，前几行就可以了。 dput(head(testing2))
我看到您正在使用的数据集已经分组。在做更多工作之前，您是否尝试过取消分组？
请参阅https://github.com/tidyverse/dplyr/issues/5253 - 如果数据已按其中一个变量分组，则使用 across() 和 group_by() 会失败。虽然错误消息不是特别有用。

标签： r dplyr

【解决方案1】：

看起来像插入ungroup()，因为第二步会起作用：为了最小的比较，比较

testing2 %>% group_by(across(-county))

和

testing2 %>% ungroup() %>% group_by(across(-county))

【讨论】：

【解决方案2】：

欢迎来到这里。

当你对 tibble 进行分组时，分组后应用的所有函数都使用分组数据，不包括分组变量 (?group_by)。事实上，您可以使用cur_group() (?cur_across) 在该函数中使用/访问该（每个组临时新的）数据。

所以，第 1 步：当您在分组的 tibble（如您的）中使用 across() 时，对于每个组，它使用没有分组变量的数据。 across()（没有 .fnc 参数，默认 = NULL；?across）从输入数据开始，不加修改地返回列出的变量，在您的情况下，它没有旧的分组变量！因此，您不能在 across() 中使用分组变量作为分组的 tibble。

但是，第 2 步：您也可以认为 group_by() 会覆盖自身（参见 ?group_by 中的示例）。

将两者结合起来，如果它已经是一个分组变量，则无需列出要排除的变量。如果您要根据其他变量（重新）分组一个小标题：您可以删除您不想使用的其他小标题！在您计算新组时，这些变量（以及用于先前分组的其他变量）已经被排除在外。当新的group_by（评估across()“按组”；即没有分组变量）加入结果时，它返回分组的整个小标题，没有以前的分组变量，也没有你刚刚“添加”到排除。

如果您想重新分组一个分组的小标题，排除其他变量但保留分组的（一个子集），可能会出现一个问题。无论如何，在这些情况下，您可以在对 across() 的调用之外列出那些“维护的”分组变量到对 group_by() 的调用中（它本身不会“计算”任何东西（与 across() 相反），所以它确实如此不要使用分组 tibble 的部分（没有旧的分组变量））。这样最后一个group_by() 创建了一个分组标题“所有不在旧分组变量中的变量，没有在新排除的变量中列出，加上在across() 之外报告的（旧）变量。”

这是一个正在运行的 (reproducible) 示例：

# install.packages("tidyverse")
# install.packages("palmerpenguins")

library(tidyverse)
library(palmerpenguins)

penguins
#> # A tibble: 344 x 8
#>    species island bill_length_mm bill_depth_mm flipper_length_… body_mass_g
#>    <fct>   <fct>           <dbl>         <dbl>            <int>       <int>
#>  1 Adelie  Torge…           39.1          18.7              181        3750
#>  2 Adelie  Torge…           39.5          17.4              186        3800
#>  3 Adelie  Torge…           40.3          18                195        3250
#>  4 Adelie  Torge…           NA            NA                 NA          NA
#>  5 Adelie  Torge…           36.7          19.3              193        3450
#>  6 Adelie  Torge…           39.3          20.6              190        3650
#>  7 Adelie  Torge…           38.9          17.8              181        3625
#>  8 Adelie  Torge…           39.2          19.6              195        4675
#>  9 Adelie  Torge…           34.1          18.1              193        3475
#> 10 Adelie  Torge…           42            20.2              190        4250
#> # … with 334 more rows, and 2 more variables: sex <fct>, year <int>

penguins %>% 
    group_by(species, island) %>% 
    group_by(across(-c(
        starts_with("bill"),
        starts_with("flipper"),
        starts_with("body")
    ))) # species and island are already exluded
#> # A tibble: 344 x 8
#> # Groups:   sex, year [9]
#>    species island bill_length_mm bill_depth_mm flipper_length_… body_mass_g
#>    <fct>   <fct>           <dbl>         <dbl>            <int>       <int>
#>  1 Adelie  Torge…           39.1          18.7              181        3750
#>  2 Adelie  Torge…           39.5          17.4              186        3800
#>  3 Adelie  Torge…           40.3          18                195        3250
#>  4 Adelie  Torge…           NA            NA                 NA          NA
#>  5 Adelie  Torge…           36.7          19.3              193        3450
#>  6 Adelie  Torge…           39.3          20.6              190        3650
#>  7 Adelie  Torge…           38.9          17.8              181        3625
#>  8 Adelie  Torge…           39.2          19.6              195        4675
#>  9 Adelie  Torge…           34.1          18.1              193        3475
#> 10 Adelie  Torge…           42            20.2              190        4250
#> # … with 334 more rows, and 2 more variables: sex <fct>, year <int>


penguins %>% 
    group_by(species, island) %>% 
    group_by(
        across(-c(
            starts_with("bill"),
            starts_with("flipper"),
            starts_with("body")
        )),
        species # "continue" to use species for grouping
    )
#> # A tibble: 344 x 8
#> # Groups:   sex, year, species [22]
#>    species island bill_length_mm bill_depth_mm flipper_length_… body_mass_g
#>    <fct>   <fct>           <dbl>         <dbl>            <int>       <int>
#>  1 Adelie  Torge…           39.1          18.7              181        3750
#>  2 Adelie  Torge…           39.5          17.4              186        3800
#>  3 Adelie  Torge…           40.3          18                195        3250
#>  4 Adelie  Torge…           NA            NA                 NA          NA
#>  5 Adelie  Torge…           36.7          19.3              193        3450
#>  6 Adelie  Torge…           39.3          20.6              190        3650
#>  7 Adelie  Torge…           38.9          17.8              181        3625
#>  8 Adelie  Torge…           39.2          19.6              195        4675
#>  9 Adelie  Torge…           34.1          18.1              193        3475
#> 10 Adelie  Torge…           42            20.2              190        4250
#> # … with 334 more rows, and 2 more variables: sex <fct>, year <int>

^{由reprex package (v0.3.0) 于 2020 年 9 月 7 日创建}

sessionInfo()
#> R version 4.0.2 (2020-06-22)
#> Platform: x86_64-pc-linux-gnu (64-bit)
#> Running under: Ubuntu 20.04.1 LTS
#> 
#> Matrix products: default
#> BLAS:   /usr/lib/x86_64-linux-gnu/openblas-pthread/libblas.so.3
#> LAPACK: /usr/lib/x86_64-linux-gnu/openblas-pthread/liblapack.so.3
#> 
#> locale:
#>  [1] LC_CTYPE=en_US.UTF-8       LC_NUMERIC=C              
#>  [3] LC_TIME=it_IT.UTF-8        LC_COLLATE=en_US.UTF-8    
#>  [5] LC_MONETARY=it_IT.UTF-8    LC_MESSAGES=en_US.UTF-8   
#>  [7] LC_PAPER=it_IT.UTF-8       LC_NAME=C                 
#>  [9] LC_ADDRESS=C               LC_TELEPHONE=C            
#> [11] LC_MEASUREMENT=it_IT.UTF-8 LC_IDENTIFICATION=C       
#> 
#> attached base packages:
#> [1] stats     graphics  grDevices datasets  utils     methods   base     
#> 
#> other attached packages:
#>  [1] palmerpenguins_0.1.0 forcats_0.5.0        stringr_1.4.0       
#>  [4] dplyr_1.0.2          purrr_0.3.4          readr_1.3.1         
#>  [7] tidyr_1.1.2          tibble_3.0.3         ggplot2_3.3.2       
#> [10] tidyverse_1.3.0     
#> 
#> loaded via a namespace (and not attached):
#>  [1] tidyselect_1.1.0 xfun_0.16        haven_2.3.1      colorspace_1.4-1
#>  [5] vctrs_0.3.4      generics_0.0.2   htmltools_0.5.0  yaml_2.2.1      
#>  [9] utf8_1.1.4       blob_1.2.1       rlang_0.4.7      pillar_1.4.6    
#> [13] glue_1.4.2       withr_2.2.0      DBI_1.1.0        dbplyr_1.4.4    
#> [17] modelr_0.1.8     readxl_1.3.1     lifecycle_0.2.0  munsell_0.5.0   
#> [21] gtable_0.3.0     cellranger_1.1.0 rvest_0.3.6      evaluate_0.14   
#> [25] knitr_1.29       fansi_0.4.1      highr_0.8        broom_0.7.0     
#> [29] Rcpp_1.0.5       renv_0.12.0      scales_1.1.1     backports_1.1.9 
#> [33] jsonlite_1.7.0   fs_1.5.0         hms_0.5.3        digest_0.6.25   
#> [37] stringi_1.4.6    grid_4.0.2       cli_2.0.2        tools_4.0.2     
#> [41] magrittr_1.5     crayon_1.3.4     pkgconfig_2.0.3  ellipsis_0.3.1  
#> [45] xml2_1.3.2       reprex_0.3.0     lubridate_1.7.9  assertthat_0.2.1
#> [49] rmarkdown_2.3    httr_1.4.2       R6_2.4.1         compiler_4.0.2

【讨论】：