分组/汇总时如何保留列？答案

【问题标题】：How can I keep columns when grouping/summarizing?分组/汇总时如何保留列？
【发布时间】：2016-08-14 09:34:47
【问题描述】：

所以，这个问题的问题是，我无法发布实际代码，因为我必须签署一份协议，而且我是 R 的新手，可能无法很好地解释这一点，但也许有人可以帮助我.. .

假设我有一些数据：

A   B    C   D
F1  6.6  10  10
F1  3.1  10  10
A1  1.0  20  10
B1  3.4  20  20

因此，对于每个 A，C 和 D 值都是相同的。但我想像这样使用 dplyr 来查找 Bmean：

A    Bmean   C    D
F1   4,85    10  10
A1   1.0     20  10
B1   3.4     20  20

我该怎么做？我的想法是使用类似的东西

dplyr::group_by(A) %>% dplyr::summarize(Bmean = mean(B))

但 C 和 D 在此操作后似乎消失了。对我想保留的所有列进行分组是否有意义？或者这将如何运作？

澄清一下，我想使用 dplyr 语法，因为如果可能的话，它是更大操作的一部分。

【问题讨论】：

这样的事情对你有用吗？ group_by(df, A, C, D) %>% summarize(Bmean = mean(B)) 然后，你有 C 和 D。

标签： r dplyr

【解决方案1】：

您可以使用base R 来做到这一点

aggregate(data=df1,B~.,FUN = mean)

【讨论】：

【解决方案2】：

你可以简单地使用这样的东西：

aggregate(cbind(B, C, D) ~ A, df, mean)

这里的 df 是包含 A、B、C 和 D 列的数据框。

【讨论】：

【解决方案3】：

我们可以使用data.table

library(data.table)
setDT(df1)[,.(Bmean = mean(B)) , .(A, C, D)]
#     A  C  D Bmean
#1: F1 10 10  4.85
#2: A1 20 10  1.00
#3: B1 20 20  3.40

【讨论】：

【解决方案4】：

我想添加一个专门解决使用 dplyr 的问题的 awnser。虽然我敢肯定，有更优雅的方法可以做到这一点，但以下建议可以在汇总/聚合数据框中保留带有其他描述性变量的列。此外，如果不是这种情况，代码将无法保护您免受更大数据帧中的错误。

以下代码删除列 C 和 D

library(dplyr)
library(tibble)

df <- tribble(
  ~A  , ~B , ~c , ~D ,
  "F1", 6.6, 10 , 10 ,
  "F1", 3.1, 10 , 10 ,
  "A1", 1.0, 20 , 10 ,
  "B1", 3.4, 20 , 20
)

以下代码删除列 C 和 D

df %>%
  group_by(A) %>%
  summarise(Bmean = mean(B))

此代码保留 C 和 D 列。请注意，这仅适用于组的每一行中存在相同变量的情况。但是由于变量应该被保留并且不会对分组行为产生影响，所以无论如何都应该是这种情况。

df %>%
  group_by(A) %>%
  summarise(Bmean = mean(B),
            C = unique(C),
            D = unique(D))

更新：

事实上，如果分组级别不“小于”分组变量，您也可以在 group_by 表达式中包含组

Group1:
  A ,  B ,  C ,  D
"F1", 6.6, 10 , 10 
"F1", 3.1, 10 , 10 
Group2:
"A1", 1.0, 20 , 10 
Group3:
"B1", 3.4, 20 , 20

请注意，C 列和 D 列在每个组中保持相同的值。这意味着它们可以安全地用于分组表达式，因此可以保留。

所以在你的情况下，这也可以：

group_by(A,C,D)

【讨论】：