dplyr summarise() 具有针对边缘情况的特殊功能

Question

我想在 dplyr 中进行分组summarise() 操作，但如果遇到边缘情况，则应用不同的函数。

我有这样的计数数据。浓度和标准差的计算如下：

library(dplyr)
testdata <- data_frame(sample = sort(rep(1:3, 4)),
                   volume = rep(c(1e-1, 1e-1, 1e-2, 1e-2), 3),
                   count = c(400, 400, 40, 40, 0, 0, 0, 0, 400, 400, 400, 400))

testdata %>% 
  group_by(sample) %>% 
  summarise(concentration = sum(count) / sum(volume),
            sd   = sqrt(sum(count)))

但是，在进行计算时，仅包含值在 25-250 之间的计数。我可以通过以下方式实现：

testdata %>% 
  group_by(sample) %>%
  filter((count >= 25) & (count <= 250)) %>%
  summarise(concentration = sum(count) / sum(volume),
            sd   = sqrt(sum(count)))

但是样品 2 和 3 没有浓度。

每个组的边缘情况可以通过以下方式计算：

if (all(count <= 25)){
  summarise(concentration = 25 / min(volume),
            sd = NA)
}
else if (all(count >= 250)){
  summarise(concentration = 250 / max(volume),
            sd = NA)
}

可以将这种边缘情况集成到summarise() 函数中吗？

理想情况下，我还希望有一个标志来指示一个边缘情况，该情况在所有情况下都返回 result = "OK"，但返回的边缘情况除外：

if (all(count <= 25)){
  summarise(concentration = 25 / min(volume),
            sd = NA,
            result = "LOW")
}
else if (all(count >= 250)){
  summarise(concentration = 250 / max(volume),
            sd = NA,
            result = "HIGH")
}

Answer 1

一种方法是使用ifelse 对summarise 中的逻辑进行编码：

library(dplyr)
result <- testdata %>% group_by(sample) %>%
                       summarise(concentration = ifelse(all(count <= 25), 
                                                        25 / min(volume),
                                                        ifelse(all(count >= 250), 
                                                               250 / max(volume), 
                                                               sum(count) / sum(volume))),
                                 sd = ifelse(all(count <= 25), 
                                             NA, 
                                             ifelse(all(count >= 250), 
                                                    NA, 
                                                    sqrt(sum(count)))),
                                 result = ifelse(all(count <= 25), 
                                                 "LOW", 
                                                 ifelse(all(count >= 250),
                                                        "HIGH", 
                                                        "OK")))
print(result)
### A tibble: 3 x 4
##  sample concentration       sd result
##   <int>         <dbl>    <dbl>  <chr>
##1      1          4000 29.66479     OK
##2      2          2500       NA    LOW
##3      3          2500       NA   HIGH

---

更新方法

另一种方法，希望更接近 OP 的要求，是定义一个函数：

summarise.func <- function(count, volume) {
  if (all(count <= 25)) {
    concentration <- 25 / min(volume)
    sd <- NA
    result <- "LOW"
  } else if (all(count >= 250)) {
    concentration <- 250 / max(volume)
    sd <- NA
    result <- "HIGH"
  } else {
    concentration <- sum(count) / sum(volume)
    sd <- sqrt(sum(count))
    result <- "OK"
  }
  data.frame(concentration=concentration, sd=sd, result=result, stringsAsFactors=FALSE)
}

同时处理常规情况和边缘情况。关键是这个函数返回一个包含汇总结果的data.frame。然后，summarise 将创建一个列，该列是一个包含这些数据框的列表，然后可以是tidyr::unnested：

library(dplyr)
library(tidyr)
result <- testdata %>% group_by(sample) %>%
                       summarise(csr=list(f(count, volume))) %>%
                       unnest(csr)
print(result)
### A tibble: 3 x 4
##  sample concentration       sd result
##   <int>         <dbl>    <dbl>  <chr>
##1      1          4000 29.66479     OK
##2      2          2500       NA    LOW
##3      3          2500       NA   HIGH