`dplyr::summarise` 不接受外部函数答案

【问题标题】：`dplyr::summarise` does not accept external functions`dplyr::summarise` 不接受外部函数
【发布时间】：2019-01-12 15:57:27
【问题描述】：

我有以下数据集：

dataset=structure(list(var1 = c(28.5627505742013, 22.8311421908438, 95.2216156944633, 
43.9405107684433, 97.11211245507, 48.4108281508088, 77.1804554760456, 
27.1229329891503, 69.5863061584532, 87.2112890332937), var2 = c(32.9009465128183, 
54.1136392951012, 69.3181485682726, 70.2100433968008, 44.0986660309136, 
62.8759404085577, 79.4413498230278, 97.4315509572625, 62.2505457513034, 
76.0133410431445), var3 = c(89.6971945464611, 67.174579706043, 
37.0924087055027, 87.7977314218879, 29.3221596442163, 37.5143952667713, 
62.6237869635224, 71.3644423149526, 95.3462834469974, 27.4587387405336
), var4 = c(41.5336912125349, 98.2095112837851, 80.7970978319645, 
91.1278881691396, 66.4086666144431, 69.2618868127465, 67.7560870349407, 
71.4932355284691, 21.345994155854, 31.1811877787113), var5 = c(33.9312525652349, 
88.1815139763057, 98.4453701227903, 25.0217059068382, 41.1195872165263, 
37.0983888953924, 66.0217586159706, 23.8814191706479, 40.9594196081161, 
79.7632974945009), var6 = c(39.813664201647, 80.6405956856906, 
30.0273275375366, 34.6203793399036, 96.5195455029607, 44.5830867439508, 
78.7370151281357, 42.010761089623, 23.0079878121614, 58.0372223630548
), kmeans = structure(c(2L, 1L, 3L, 1L, 3L, 1L, 1L, 1L, 2L, 3L
), .Label = c("1", "2", "3"), class = "factor")), .Names = c("var1", 
"var2", "var3", "var4", "var5", "var6", "kmeans"), row.names = c(NA, 
-10L), class = c("tbl_df", "tbl", "data.frame"))

还有以下功能：

myfun<-function(x){
  c(sum(x),mean(x),sd(x))
}

只有dplyr::summarise，结果还可以：

library(tidyverse)

my1<-dataset%>%
  summarise_if(.,is.numeric,.funs=funs(sum,mean,sd))

但是，myfun 不起作用：

my2<-dataset%>%
  summarise_if(.,is.numeric,.funs=funs(myfun))

summarise_impl(.data, dots) 中的错误： var1 列的长度必须为 1（汇总值），而不是 3

有什么问题？

【问题讨论】：

你能提供一个例子来说明summarise工作吗？请原谅我的无知，如何将三个值返回到一列中？你得到的确切错误是什么？
问题是将多个值设置为单个列。我不知道它有多耗时，但您可以单独运行这些功能。
看看funs(sum, mean, sd)和funs(c(sum, mean, sd))之间的区别

标签： r dplyr

【解决方案1】：

您可以尝试这种方法，您的方法不会产生正确的结果，因为它无法将自定义函数返回的两个值包装在一个单元格中，为了规避问题，我使用了 enframe 和 @987654322 @在自定义函数中：

library(tidyverse)

myfun<-function(x){
    return(list(enframe(c('sum' = sum(x),'mean' = mean(x),'sd' = sd(x)))))
}

例如mtcars 数据：

my2<-mtcars%>%
summarise_at(c('mpg','drat'), function(x) myfun(x)) %>% 
unnest() %>% 
select(-name1) %>% 
set_names(nm = c('name', 'mpg', 'drat'))

它会产生：

  name        mpg        drat
1  sum 642.900000 115.0900000
2 mean  20.090625   3.5965625
3   sd   6.026948   0.5346787

此外，还有一种替代方法，您可以尝试使用purrr 解决它。

例如：

f <- function(x,...){
    list('mean' = mean(x, ...),'sum' = sum(x, ...))
}

mtcars %>% 
select(mpg, drat) %>% 
map_dfr(~ f(.x, na.rm=T), .id ="Name") %>% 
data.frame()

【讨论】：

【解决方案2】：

当你应用这个功能时

dataset%>% summarise_if(is.numeric,.funs=funs(sum,mean,sd))

您正在应用三个不同的函数（sum、mean 和 sd），它们分别应用于所有列。因此，这些函数将应用于它们的每一列是数字的。这里我们有三个不同的函数返回三个值。

关于你的功能，我认为你想做的是

myfun<-function(x){
  c(sum(x),mean(x),sd(x))
}

现在，当此函数应用于一列时，它会返回三个值，因此这里的一个函数将返回三个值。

myfun(dataset$var1)
#[1] 597.17994  59.71799  29.03549

正如@NelsonGon 在 cmets 中提到的，您正试图将三个值存储在单列中。您可以将它们作为@Pkumar 显示的列表返回，或者do 的一些变体也可以帮助您实现这一目标。如果你分解函数并分别创建三个函数，它的工作方式与你之前展示的相同。

myfun1 <- function(x) sum(x)
myfun2  <- function(x) mean(x)
myfun3 <- function(x) sd(x)

dataset %>% summarise_if(is.numeric,.funs=funs(myfun1,myfun2,myfun3))

【讨论】：

【解决方案3】：

这不是最优雅的方式，但如果你的外部函数只是其他函数的列表，也许你可以只为你的函数使用一个列表：

myfun_ls <- list(sum,mean,sd)
my2<-dataset%>%
  summarise_if(.,is.numeric,.funs=myfun_ls)

【讨论】：