R：将 Summarize() 与正则表达式结合使用 accross() 和 where()答案

【问题标题】：R: Using Summarize() accross() and where() with regular expressionsR：将 Summarize() 与正则表达式结合使用 accross() 和 where()
【发布时间】：2021-06-24 10:19:58
【问题描述】：

我有以下数据集：

Lines <- "id time sex Age Obs_A Obs_B Obs_C
1  1       male   90 0 0 0
1  2       male   91 0 0 0
1  3       male   92 1 1 0
2  1       female  87 0 1 1
2  2       female  88 0 1 0
2  3       female  89 0 0 1
3  1       male  50 0 1 0
3  2       male  51 1 0 0
3  3       male  52 0 0 0
4  1       female  54 0 1 0
4  2       female  55 0 1 0
4  3       female  56 0 1 0"

我想将 summarize 与正则表达式 (grepl) 结合起来，以便重新格式化以 Obs 开头的变量（例如取中位数），同时对其他变量进行其他操作。例如这样的：

TTE <- TTE %>%
      group_by(id, across(where(is.character))) %>%
      summarise(id = first(id), sex = first(sex), 
                Age = mean(Age), across(where(grepl("Obs")), mean), across(where(is.numeric), max)) %>%
      ungroup

但是，我收到以下错误：

x argument "x" is missing, with no default

知道如何以一致的方式使用summarize()、across()、where() 和grepl()？

【问题讨论】：

标签： r grepl summarize

【解决方案1】：

对于dplyr，您可以使用 tidyselect 函数来选择across 中的列。

library(dplyr)

TTE %>%
  group_by(id, across(where(is.character))) %>%
  summarise(Age = mean(Age), 
            across(starts_with('Obs'), mean), 
            across(where(is.numeric), max)) %>%
  ungroup 

#     id sex      Age Obs_A Obs_B Obs_C  time
#  <int> <chr>  <dbl> <dbl> <dbl> <dbl> <int>
#1     1 male      91 0.333 0.333 0         3
#2     2 female    88 0     0.667 0.667     3
#3     3 male      51 0.333 0.333 0         3
#4     4 female    55 0     1     0         3

由于您按所有字符列进行分组，因此您无需将它们包含在 across 中。

【讨论】：

【解决方案2】：

正如 OP 提到的使用regex，一个选项是matches，与starts_with 或end_with 或contains 相比，它可以采用正则表达式。此外，我们不需要使用ungroup，因为summarise 中有一个选项可以指定.groups，即即使我们在summarise 之后使用ungroup，也会出现可以避免的警告消息如果我们指定.groups

library(dplyr)
TTE %>%
  group_by(id, across(where(is.character))) %>%
  summarise(Age = mean(Age), 
            across(matches('^[Oo]bs'), mean), 
            across(where(is.numeric), max), .groups = 'drop')

-输出

# A tibble: 4 x 7
     id sex      Age Obs_A Obs_B Obs_C  time
  <int> <chr>  <dbl> <dbl> <dbl> <dbl> <int>
1     1 male      91 0.333 0.333 0         3
2     2 female    88 0     0.667 0.667     3
3     3 male      51 0.333 0.333 0         3
4     4 female    55 0     1     0         3

请注意，where 主要用于检查列的值，而不是用于列名。为此，我们需要使用 select-helpers

【讨论】：