为什么我的 dplyr group_by & summarise 不能正常工作？（名称与 plyr 冲突）答案

【问题标题】：Why are my dplyr group_by & summarize not working properly? (name-collision with plyr)为什么我的 dplyr group_by & summarise 不能正常工作？（名称与 plyr 冲突）
【发布时间】：2015-01-11 11:35:04
【问题描述】：

我有一个如下所示的数据框：

#df
ID  DRUG FED  AUC0t  Tmax   Cmax
1    1     0   100     5      20
2    1     1   200     6      25
3    0     1   NA      2      30 
4    0     0   150     6      65

以此类推。我想通过药物DRUG 和 FED STATUSFED 总结一些关于 AUC、Tmax 和 Cmax 的统计数据。我使用 dplyr。例如：对于 AUC：

CI90lo <- function(x) quantile(x, probs=0.05, na.rm=TRUE)
CI90hi <- function(x) quantile(x, probs=0.95, na.rm=TRUE)  

summary <- df %>%
             group_by(DRUG,FED) %>%
             summarize(mean=mean(AUC0t, na.rm=TRUE), 
                                 low = CI90lo(AUC0t), 
                                 high= CI90hi(AUC0t),
                                 min=min(AUC0t, na.rm=TRUE),
                                 max=max(AUC0t,na.rm=TRUE), 
                                 sd= sd(AUC0t, na.rm=TRUE))

但是，输出没有按 DRUG 和 FED 分组。它只给出了一行包含所有未分面的 DRUG 和 FED 的统计信息。

知道为什么吗？我怎样才能让它做正确的事？

【问题讨论】：

请查看此链接stackoverflow.com/questions/21653295/dplyr-issues-with-group-by
@akrun 非常感谢。我实际上对 dplyr 包很满意，但它看起来并不可靠！
顺便说一句，您不应该将您的函数标记为 CI95hi 和 CI95lo，即使用 95 而不是 90？
@rnso 我使用的是 90% 置信区间。
这实际上是 plyr + dplyr + 偶尔使用其他库 (ggplot2 + xts) 的一个已知问题。还咬我，也花了很长时间调试。

标签： r plyr dplyr shadowing name-collision

【解决方案1】：

我相信您在 dplyr 之后加载了 plyr，这就是为什么您得到的是整体摘要而不是分组摘要。

这是最后加载 plyr 时发生的情况。

library(dplyr)
library(plyr)
df %>%
      group_by(DRUG,FED) %>%
      summarize(mean=mean(AUC0t, na.rm=TRUE), 
                low = CI90lo(AUC0t), 
                 high= CI90hi(AUC0t),
                 min=min(AUC0t, na.rm=TRUE),
                 max=max(AUC0t,na.rm=TRUE), 
                 sd= sd(AUC0t, na.rm=TRUE))

  mean low high min max sd
1  150 105  195 100 200 50

现在删除 plyr 并重试，您将获得分组摘要。

detach(package:plyr)
df %>%
      group_by(DRUG,FED) %>%
      summarize(mean=mean(AUC0t, na.rm=TRUE), 
                low = CI90lo(AUC0t), 
                 high= CI90hi(AUC0t),
                 min=min(AUC0t, na.rm=TRUE),
                 max=max(AUC0t,na.rm=TRUE), 
                 sd= sd(AUC0t, na.rm=TRUE))

Source: local data frame [4 x 8]
Groups: DRUG

  DRUG FED mean low high min max  sd
1    0   0  150 150  150 150 150 NaN
2    0   1  NaN  NA   NA  NA  NA NaN
3    1   0  100 100  100 100 100 NaN
4    1   1  200 200  200 200 200 NaN

【讨论】：

值得一提的是ggplot2 也可以产生这种效果——大概plyr 是一个依赖项。

【解决方案2】：

aosmith 答案的一个变体，可能会帮助一些人。直接 R 直接调用 dplyr 的函数。当一个包裹干扰另一个包裹时，这是一个很好的技巧。

df %>%
      dplyr::group_by(DRUG,FED) %>%
      dplyr::summarize(mean=mean(AUC0t, na.rm=TRUE), 
                low = CI90lo(AUC0t), 
                 high= CI90hi(AUC0t),
                 min=min(AUC0t, na.rm=TRUE),
                 max=max(AUC0t,na.rm=TRUE), 
                 sd= sd(AUC0t, na.rm=TRUE))

【讨论】：

破坏命名空间在 R XD 中被视为一种技巧

【解决方案3】：

除了 dplyr，用户经常使用 ggplot 和它的 ggpubr 功能。事实上，它是另一个常用的包，与 dplyr 有一些不兼容。同理，如上所示，你可以使用dplyr::package，但如果它一直不起作用，就像我遇到的那样，只需分离库就足够了，

detach("package:ggpubr", unload = TRUE)

df %>%
  dplyr::group_by(DRUG,FED) %>%
  dplyr::summarize(mean=mean(AUC0t, na.rm=TRUE), 
            low = CI90lo(AUC0t), 
             high= CI90hi(AUC0t),
             min=min(AUC0t, na.rm=TRUE),
             max=max(AUC0t,na.rm=TRUE), 
             sd= sd(AUC0t, na.rm=TRUE))

【讨论】：

【解决方案4】：

或者你可以考虑使用data.table

library(data.table)
setDT(df)  # set the data frame as data table
df[, list(mean = mean(AUC0t, na.rm=TRUE),
          low = CI90lo(AUC0t), 
          high = CI90hi(AUC0t), 
          min = as.double(min(AUC0t, na.rm=TRUE)),
          max = as.double(max(AUC0t, na.rm=TRUE)), 
          sd = sd(AUC0t, na.rm=TRUE)),
   by=list(DRUG, FED)]

#    DRUG FED mean low high min  max sd
# 1:    1   0  100 100  100 100  100 NA
# 2:    1   1  200 200  200 200  200 NA
# 3:    0   1  NaN  NA   NA Inf -Inf NA
# 4:    0   0  150 150  150 150  150 NA
# Warning messages:
#   1: In min(AUC0t, na.rm = TRUE) :
#   no non-missing arguments to min; returning Inf
# 2: In max(AUC0t, na.rm = TRUE) :
#   no non-missing arguments to max; returning -Inf

【讨论】：

非常感谢。那也可以，但是，我改用了 ddply 。 ddply 看起来比 dplyr 更可靠。

【解决方案5】：

尝试使用 sqldf 是对数据进行分组的最佳方法且易于学习。以下是您需要的示例。各种数据样本分组 sqldf 库非常有用。

install.packages("sqldf")
library(sqldf)
dat1 <- sqldf("select x,y,
            y/sum(y) as Z
            from dat
            group by x")

【讨论】：