dplyr中group_by和select的组合[重复]答案

【问题标题】：Combination of group_by and select in dplyr [duplicate]dplyr中group_by和select的组合[重复]
【发布时间】：2021-07-20 11:24:26
【问题描述】：

我已经检查了 group_by 函数以选择 mtcars 中一种气缸类型的平均分布，但它没有给我正确的答案。见下文；

summarise(group_by(mtcars,cyl), mean(disp))

输出：

> summarise(group_by(mtcars,cyl), mean(disp))
# A tibble: 3 x 2
    cyl `mean(disp)`
  <dbl>        <dbl>
1     4         105.
2     6         183.
3     8         353.

但是

summarise(group_by(mtcars,cyl = 6), mean(disp))

输出：

> summarise(group_by(mtcars,cyl = 6), mean(disp))
# A tibble: 1 x 2
    cyl `mean(disp)`
  <dbl>        <dbl>
1     6         231.

注意：我想根据第一个代码对 6 型气缸得到相同的答案。但答案不同。

【问题讨论】：

标签： r dplyr

【解决方案1】：

你不能得到相同的答案：这是因为无论您是 group_by cyl 还是 group_by cyl= 6，n 和 sum 都在变化。因此均值不同：看这个例子，主要看和n和sum作为均值是sum/n：

mtcars %>% 
  group_by(cyl = 6) %>% 
  summarise(mean(disp), n=n(), sum_disp=sum(disp), Mean2 = sum_disp/n)

mtcars %>% 
  group_by(cyl) %>% 
  summarise(mean(disp), n=n(), sum_disp=sum(disp), Mean2 = sum_disp/n)

输出：

> mtcars %>% 
+   group_by(cyl = 6) %>% 
+   summarise(mean(disp), n=n(), sum_disp=sum(disp), Mean2 = sum_disp/n)
# A tibble: 1 x 5
    cyl `mean(disp)`     n sum_disp Mean2
  <dbl>        <dbl> <int>    <dbl> <dbl>
1     6         231.    32    7383.  231.
> mtcars %>% 
+   group_by(cyl) %>% 
+   summarise(mean(disp), n=n(), sum_disp=sum(disp), Mean2 = sum_disp/n)
# A tibble: 3 x 5
    cyl `mean(disp)`     n sum_disp Mean2
  <dbl>        <dbl> <int>    <dbl> <dbl>
1     4         105.    11    1156.  105.
2     6         183.     7    1283.  183.
3     8         353.    14    4943.  353.

【讨论】：

好的，我明白了其中的区别。谢谢！
谢谢。当然。
为什么n() 会发生变化？这是因为cyl=6 创建了一个名为 cyl 的列，其中的所有值都只有 6。所以从技术上讲，是对数据集中所有点的总和/平均值。

【解决方案2】：

我认为您正在寻找比较运算符，它是 == 而不是 =，它应该在 filter 中使用。 cyl = 6 只会将所有 cyl 值更改为 6 并返回所有 disp 值的意思，即 mean(mtcars$disp)。

library(dplyr)

mtcars %>%
  group_by(cyl) %>%
  summarise(mean_disp = mean(disp)) 

#  cyl mean_disp
#1   4  105.1364
#2   6  183.3143
#3   8  353.1000

mtcars %>%
  filter(cyl == 6) %>%
  summarise(mean_disp = mean(disp))

#  mean_disp
#1  183.3143

【讨论】：