do/tidy 从 dplyr 和 broom 返回的绑定列未按预期工作答案

【问题标题】：bind columns returned by do/tidy from dplyr and broom not working as expecteddo/tidy 从 dplyr 和 broom 返回的绑定列未按预期工作
【发布时间】：2016-05-24 21:26:57
【问题描述】：

我正在尝试使用来自dplyr 的do 和来自broom 的tidy 将一些东西整齐地组织到一个数据框中。一切正常。但是，现在我正在尝试根据同一管道内的分组来改变一个值，但我无法让它为我想要的工作：

示例（带有mtcars 数据集）：

library(dplyr)
library(broom)
mtcars %>% group_by(cyl) %>% mutate(n = n()) %>% do(tidy(summary(.$mpg)))

我希望得到每个 cyl 的 summary 的输出以及我在中间计算的观察次数。但是，我只得到summary 的输出如下：

Source: local data frame [3 x 7]
Groups: cyl [3]

    cyl minimum    q1 median  mean    q3 maximum
  <dbl>   <dbl> <dbl>  <dbl> <dbl> <dbl>   <dbl>
1     4    21.4 22.80   26.0 26.66 30.40    33.9
2     6    17.8 18.65   19.7 19.74 21.00    21.4
3     8    10.4 14.40   15.2 15.10 16.25    19.2

输出值n 丢失。

我也尝试了bind_cols和inner_join如下，都导致如下所示的错误：

mtcars %>% group_by(cyl) %>% mutate(mpgMean = mean(mpg)) %>% inner_join(., do(tidy(summary(.$mpg))))
Error in args[[1]] : subscript out of bounds
mtcars %>% group_by(cyl) %>% mutate(n = n()) %>% bind_cols(do(tidy(summary(.$mpg))))
Error in args[[1]] : subscript out of bounds

知道我怎样才能完成这项工作吗？

我的预期输出是：

Joining by: "cyl"
Source: local data frame [3 x 8]

    cyl     n minimum    q1 median  mean    q3 maximum
  <dbl> <int>   <dbl> <dbl>  <dbl> <dbl> <dbl>   <dbl>
1     4    11    21.4 22.80   26.0 26.66 30.40    33.9
2     6     7    17.8 18.65   19.7 19.74 21.00    21.4
3     8    14    10.4 14.40   15.2 15.10 16.25    19.2

当然，这样做我可以得到这个结果：

inner_join(count(mtcars, cyl), mtcars %>% group_by(cyl) %>% do(tidy(summary(.$mpg))))

但是，寻找单管解决方案（如果可能的话）。

【问题讨论】：

或者简单地说：mtcars %>% group_by(cyl) %>% mutate(n = n()) %>% group_by(cyl,n) %>% do(tidy(summary(.$mpg)))
肯定更好...仍然希望有一种方法可以获取do 的输出和列绑定。 ?do 确实说它返回一个数据框。
带data.table：as.data.table(mtcars)[, c(.(n = .N), as.list(summary(mpg))), by=cyl]

标签： r dplyr broom

【解决方案1】：

在do 中使用bind_cols

 mtcars %>% group_by(cyl) %>% 
            mutate(n = n()) %>% 
            do(bind_cols(tidy(summary(.$mpg)), 
                         data.frame(unique(.$n)) ))

或（首选选项）使用n作为分组变量（@Frank 提供）：

 mtcars %>% group_by(cyl) %>% 
            group_by(n = n(), add=T) %>% 
            do(tidy(summary(.$mpg)))

两者都给出：

Source: local data frame [3 x 8]
Groups: cyl, n [3]

    cyl     n minimum    q1 median  mean    q3 maximum
  (dbl) (int)   (dbl) (dbl)  (dbl) (dbl) (dbl)   (dbl)
1     4    11    21.4 22.80   26.0 26.66 30.40    33.9
2     6     7    17.8 18.65   19.7 19.74 21.00    21.4
3     8    14    10.4 14.40   15.2 15.10 16.25    19.2

【讨论】：

用mtcars %>% group_by(cyl) %>% group_by(n = n(), add = TRUE) %>% do(tidy(summary(.$mpg)))简化
@coffeinjunky 这是一个很好的解决方案，比我提出的inner_join 解决方案更好。希望找到一种方法来避免重新指定n。但是，如果无法避免，我同意，这是一个很好的答案。
@Frank 你的是迄今为止我见过的最好的，而其他的比我最初想出的更好。
我实际上比上面更喜欢使用n 作为分组变量。我认为主要的收获是对管道数据帧的任意操作应该在do 内部，而不是在do 周围。不过，我相信其他人可以比我更好地解释所涉及的复杂性。
我在这里发表了评论，以便您可以根据需要添加/修改它。

【解决方案2】：

我担心惯用的方式是

my_summary = function(x) as.data.frame(as.list(c(n = length(x), summary(x))))
mtcars %>% group_by(cyl) %>% do(my_summary(.$mpg))

    cyl     n  Min. X1st.Qu. Median  Mean X3rd.Qu.  Max.
  (dbl) (dbl) (dbl)    (dbl)  (dbl) (dbl)    (dbl) (dbl)
1     4    11  21.4    22.80   26.0 26.66    30.40  33.9
2     6     7  17.8    18.65   19.7 19.74    21.00  21.4
3     8    14  10.4    14.40   15.2 15.10    16.25  19.2

（我对broom不够熟悉，无法使用它编写my_summary。）

【讨论】：

可能包作者会坚持只有高级用户同时需要summary 和n。这就是您注册 dplyr 时所做的交易——您获得了用于数据操作的连贯语法，但缺少整个词性。