如何对数据框列表中的每个数据框进行分组和汇总答案

【问题标题】：How to group and summarise each data frame in a list of data frames如何对数据框列表中的每个数据框进行分组和汇总
【发布时间】：2019-07-31 10:46:19
【问题描述】：

我有一个数据框列表：

df1 <- data.frame(one = c('red','blue','green','red','red','blue','green','green'),
                  one.1 = as.numeric(c('1','1','0','1','1','0','0','0')))

df2 <- data.frame(two = c('red','yellow','green','yellow','green','blue','blue','red'),
                  two.2 = as.numeric(c('0','1','1','0','0','0','1','1')))

df3 <- data.frame(three = c('yellow','yellow','green','green','green','white','blue','white'),
                  three.3 = as.numeric(c('1','0','0','1','1','0','0','1')))

all <- list(df1,df2,df3)

我需要按第一列对每个数据框进行分组并汇总第二列。我个人会做这样的事情：

library(dplyr)

df1 <- df1 %>%
  group_by(one) %>%
  summarise(sum = sum(one.1))

但是，我无法弄清楚如何遍历列表中的每个项目。

我想过使用循环：

for(i in 1:3){
      all[i] <- all[i] %>%
      group_by_at(1) %>%
      summarise()
}

但我不知道如何在 summarise() 函数中指定要求和的列（无论如何，这个循环可能在其他方面都是错误的）。

理想情况下，我需要将输出作为另一个列表，其中每个项目都是汇总数据，如下所示：

[[1]]
# A tibble: 3 x 2
  one     sum
  <fct> <dbl>
1 blue      1
2 green     0
3 red       3

[[2]]
# A tibble: 4 x 2
  two      sum
  <fct>  <dbl>
1 blue       1
2 green      1
3 red        1
4 yellow     1

[[3]]
# A tibble: 4 x 2
  three    sum
  <fct>  <dbl>
1 blue       0
2 green      2
3 white      1
4 yellow     1

非常感谢任何帮助！

【问题讨论】：

标签： r dplyr

【解决方案1】：

使用purrr::map 并在列包含一个字母点\\. 使用matches 助手。

library(dplyr)
library(purrr)
map(all, ~.x %>%
    #group_by_at(vars(matches('one$|two$|three$'))) %>% #column ends with one, two, or three
    group_by_at(1) %>%
    summarise_at(vars(matches('\\.')),sum))
    #summarise_at(vars(matches('\\.')),list(sum=~sum))) #2nd option

[[1]]
# A tibble: 3 x 2
one   one.1
<fct> <dbl>
1 blue      1
2 green     0
3 red       3

[[2]]
# A tibble: 4 x 2
two    two.2
<fct>  <dbl>
1 blue       1
2 green      1
3 red        1
4 yellow     1

[[3]]
# A tibble: 4 x 2
three  three.3
<fct>    <dbl>
1 blue         0
2 green        2
3 white        1
4 yellow       1

【讨论】：

我认为对于这种情况你甚至可以使用map(all, ~ .x %>% group_by_at(1) %>% summarise_all(sum))。
我无法弄清楚summarize_at！除了@tmfmnk 建议，你还可以做summarize_at(vars(-group_cols()), sum)
@tmfmnk 感谢您的评论，但我不认为 OP 在原始数据集中只有两列。因此，我建议 matches 使用 Reg Exp 用于带点的列。
summarize 的另一条路线：map(all, ~ .x %>%group_by_at(1)%>% summarise_at(vars(names(.x)[2]), sum))。这样，您将只返回一个 sum，在这种情况下，它将是循环通过的 data.frame 的第二列。
@Cole +1 使用names(.x)

【解决方案2】：

这是一个基本的 R 解决方案：

lapply(all, function(DF) aggregate(list(added = DF[, 2]), by = DF[, 1, drop = F], FUN = sum))

[[1]]
    one added
1  blue     1
2 green     0
3   red     3

[[2]]
     two added
1   blue     1
2  green     1
3    red     1
4 yellow     1

[[3]]
   three added
1   blue     0
2  green     2
3  white     1
4 yellow     1

另一种方法是将列表绑定为一个。这里我使用data.table 并避免使用名称。唯一的问题是这可能会混淆因素，但我不确定这是否是您的问题。

library(data.table)
rbindlist(all, use.names = F, idcol = 'id'
          )[, .(added = sum(one.1)), by = .(id, color = one)]

    id  color added
 1:  1    red     3
 2:  1   blue     1
 3:  1  green     0
 4:  2    red     1
 5:  2 yellow     1
 6:  2  green     1
 7:  2   blue     1
 8:  3 yellow     1
 9:  3  green     2
10:  3  white     1
11:  3   blue     0

【讨论】：