如何使用 summarise_at 将不同的函数应用于不同的列？

Question

我有一个包含以下列的数据框：

> colnames(my.dataframe)
 [1] "id"                              "firstName"                       "lastName"                       
 [4] "position"                        "jerseyNumber"                    "currentTeamId"                  
 [7] "currentTeamAbbreviation"         "currentRosterStatus"             "height"                         
[10] "weight"                          "birthDate"                       "age"                            
[13] "birthCity"                       "birthCountry"                    "rookie"                         
[16] "handednessShoots"                "college"                         "twitter"                        
[19] "currentInjuryDescription"        "currentInjuryPlayingProbability" "teamId"                         
[22] "teamAbbreviation"                "fg2PtAtt"                        "fg3PtAtt"                       
[25] "fg2PtMade"                       "fg3PtMade"                       "ftMade"                         
[28] "fg2PtPct"                        "fg3PtPct"                        "ftPct"                          
[31] "ast"                             "tov"                             "offReb"                         
[34] "foulsDrawn"                      "blkAgainst"                      "plusMinus"                      
[37] "minSeconds"

这是我的代码不起作用：

my.dataframe %>%
  dplyr::group_by(id) %>%
  dplyr::summarise_at(vars(firstName:currentInjuryPlayingProbability), funs(min), na.rm = TRUE) %>%
  dplyr::summarise_at(vars(fg2PtAtt:minSeconds), funs(sum), na.rm = TRUE) %>% 
                    vars(), funs(min), na.rm = TRUE) %>%
  dplyr::summarise(teamId = paste(teamId), teamAbbreviation = paste(teamAbbreviation)) 

首先我按 id 分组（这不是我的数据框中的唯一列，尽管它被称为 id）。对于直到 currentInjuryPlayingProbability 的接下来的 19 列，这些列在 grouped_by ID 时总是相同的，因此我使用min 函数来汇总/获取值。

接下来，我想用平均值总结从fg2PtAtt 到末尾的所有列（这些列都是数字/整数）。

最后，对于列 teamId 和 teamAbbreviation（在 grouped_by id 时不一样），我想将它们粘贴到一个单独的字符串中，每个字符串都有摘要。

我的方法不起作用，因为我认为我不能调用 summarise_at，然后调用另一个 summarise_at，然后再调用 summarise。在调用第二个 summarise_at 时，试图汇总的列已被第一个 summarise_at 删除

对此的任何帮助表示赞赏！我将很快更新我的数据帧的一个子集，以便测试代码。

编辑：

dput(my.dataframe)
structure(list(id = c(10138L, 9466L, 9360L, 9360L), firstName = c("Alex", 
"Quincy", "Luke", "Luke"), lastName = c("Abrines", "Acy", "Babbitt", 
"Babbitt"), currentInjuryPlayingProbability = c(NA_character_, 
NA_character_, NA_character_, NA_character_), teamId = c(96L, 
84L, 91L, 92L), teamAbbreviation = c("OKL", "BRO", "ATL", "MIA"
), fg2PtAtt = c(70L, 73L, 57L, 2L), fg3PtAtt = c(221L, 292L, 
111L, 45L), minSeconds = c(67637L, 81555L, 34210L, 8676L)), row.names = c(NA, 
-4L), class = c("tbl_df", "tbl", "data.frame"))

my.dataframe
     id firstName lastName currentInjuryPlayingProbability teamId teamAbbreviation fg2PtAtt fg3PtAtt minSeconds
  <int> <chr>     <chr>    <chr>                            <int> <chr>               <int>    <int>      <int>
1 10138 Alex      Abrines  <NA>                                96 OKL                    70      221      67637
2  9466 Quincy    Acy      <NA>                                84 BRO                    73      292      81555
3  9360 Luke      Babbitt  <NA>                                91 ATL                    57      111      34210
4  9360 Luke      Babbitt  <NA>                                92 MIA                     2       45       8676

这是一个只有 9 列的简短示例，但有足够的数据来突出问题。生成的数据框应如下所示：

    id firstName lastName currentInjuryPlayingProbability teamId teamAbbreviation fg2PtAtt fg3PtAtt minSeconds
  <int> <chr>     <chr>    <chr>                            <chr>     <chr>               <int>    <int>      <int>
1 10138 Alex      Abrines  <NA>                                96      OKL                    70      221      67637
2  9466 Quincy    Acy      <NA>                                84      BRO                    73      292      81555
3  9360 Luke      Babbitt  <NA>                            91, 92 ATL, MIA                     57      156      42886

Answer 1

这是我认为完成此特定任务的最简单方法，至少与我见过的一些类似的map2/reduce 解决方案相比。

第一点是，如果您使用min 来获取一个值，因为您认为分组变量的每个值都应该相同，只需将其添加到分组中即可。然后自动保存。

其次，您可以使用{} 将%>% 的LHS 自动放置到RHS 的第一个参数中。这使您可以在一个步骤中应用不同的转换并重新组合它们。通常你不需要这个，因为占位符 . 会为你做这件事，但如果占位符不是 RHS 的一个赤裸裸的参数，你有时需要它。 （我确定我阅读了一些描述确切规则的资源，但我现在找不到）。

第三，因为您知道summarise 会删除除分组变量之外您未选择的列，left_join 将自动使用共享列名称加入。

这意味着我们可以执行以下操作，我认为这很干净。但是，如果转换开始变得特别复杂（例如 left_join 内是否有管道，我建议为最终输出的每一部分赋予其自己的分配和名称，以便更清楚。如果你想要更多，你还需要小心而不是同一列的一个摘要（如均值和标准差），因为写出来的名称会发生​​冲突。

library(tidyverse)

my_dataframe <- structure(list(id = c(10138L, 9466L, 9360L, 9360L), firstName = c("Alex", "Quincy", "Luke", "Luke"), lastName = c("Abrines", "Acy", "Babbitt", "Babbitt"), currentInjuryPlayingProbability = c(NA_character_, NA_character_, NA_character_, NA_character_), teamId = c(96L, 84L, 91L, 92L), teamAbbreviation = c("OKL", "BRO", "ATL", "MIA"), fg2PtAtt = c(70L, 73L, 57L, 2L), fg3PtAtt = c(221L, 292L, 111L, 45L), minSeconds = c(67637L, 81555L, 34210L, 8676L)), row.names = c(NA, -4L), class = c("tbl_df", "tbl", "data.frame"))

my_dataframe %>%
  group_by_at(.vars = vars(id:lastName)) %>%
  {left_join(
    summarise_at(., vars(teamId:teamAbbreviation), ~ str_c(., collapse = ",")),
    summarise_at(., vars(fg2PtAtt:minSeconds), mean)
  )}
#> Joining, by = c("id", "firstName", "lastName")
#> # A tibble: 3 x 8
#> # Groups:   id, firstName [?]
#>      id firstName lastName teamId teamAbbreviation fg2PtAtt fg3PtAtt
#>   <int> <chr>     <chr>    <chr>  <chr>               <dbl>    <dbl>
#> 1  9360 Luke      Babbitt  91,92  ATL,MIA              29.5       78
#> 2  9466 Quincy    Acy      84     BRO                  73        292
#> 3 10138 Alex      Abrines  96     OKL                  70        221
#> # ... with 1 more variable: minSeconds <dbl>

由reprex package (v0.2.0) 于 2018 年 7 月 31 日创建。

Answer 2

在dplyr 1.0.2 之后更新。你可以使用across:

summarise(across(teamId:teamAbbreviation, ~ str_c(., collapse = ",")), 
        across(fg2PtAtt:minSeconds, mean)) %>%