在 dplyr 的汇总函数中过滤答案

【问题标题】：filtering within the summarise function of dplyr在 dplyr 的汇总函数中过滤
【发布时间】：2016-06-29 08:30:23
【问题描述】：

我对@987654321@ 有点挣扎，因为我想同时做两件事，想知道这是否可能。

我想计算值的平均值，同时计算在另一列中具有特定值的值的平均值。

library(dplyr)
set.seed(1234)
df <- data.frame(id=rep(1:10, each=14),
                 tp=letters[1:14],
                 value_type=sample(LETTERS[1:3], 140, replace=TRUE),
                 values=runif(140))

df %>%
  group_by(id, tp) %>%
  summarise(
    all_mean=mean(values),
    A_mean=mean(values), # Only the values with value_type A
    value_count=sum(value_type == 'A')
  )

所以A_mean 列应该计算values 的平均值，其中value_count == 'A'。

我通常会执行两个单独的命令并稍后合并结果，但我想有一个更方便的方法，我就是不明白。

提前致谢。

【问题讨论】：

标签： r dplyr

【解决方案1】：

我们可以试试

 df %>%
     group_by(id, tp) %>%
     summarise(all_mean = mean(values), 
                A_mean = mean(values[value_type=="A"]),
                value_count=sum(value_type == 'A'))

【讨论】：

又好又简单的解决方案！
警告：如果您不明确过滤掉 NA，它们将被包括在内，因为 R 讨厌您。 A_mean = mean(values[value_type=="A" & !is.na(value_type)])。在您的过滤器变量可能有您不想计算的 NA 的任何地方都包含此内容。
或者更简单：drop_na(value_type) %>% 在管道链的顶部。

【解决方案2】：

您可以通过两个摘要步骤来做到这一点：

df %>%
  group_by(id, tp, value_type) %>%
  summarise(A_mean = mean(values)) %>%
  summarise(all_mean = mean(A_mean),
            A_mean = sum(A_mean * (value_type == "A")),
            value_count = sum(value_type == "A"))

第一个摘要计算每个 value_type 的平均值，第二个“总和”仅计算 value_type == "A" 的平均值

【讨论】：

【解决方案3】：

你也可以试试下面的函数：

?summarise_if

（函数族为summarise_all）

示例

dplyr documentation 是一个很好的例子，我认为：

# The _if() variants apply a predicate function (a function that
# returns TRUE or FALSE) to determine the relevant subset of
# columns. Here we apply mean() to the numeric columns:

starwars %>%
  summarise_if(is.numeric, mean, na.rm = TRUE)

#> # A tibble: 1 x 3
#>   height  mass birth_year
#>    <dbl> <dbl>      <dbl>
#> 1   174.  97.3       87.6

这里有趣的是predicate 函数。这表示选择必须汇总的列的规则。

【讨论】：

你能举个例子吗？