将 dplyr 用于动态 group_by答案

【问题标题】：Using dplyr for dynamic group_by将 dplyr 用于动态 group_by
【发布时间】：2017-11-16 19:07:58
【问题描述】：

试图了解这个dplyr 的东西。我有一个排序的数据框，我想根据一个变量对其进行分组。但是，需要构造这些组，以便每个组在分组变量上的最小总和为 30。

考虑这个小示例数据框：

df1 <- matrix(data = c(05,0.9,95,12,0.8,31,
    16,0.8,28,17,0.7,10,
        23,0.8,11,55,0.6,9,
    56,0.5,12,57,0.2,1,
    59,0.4,1),
  ncol = 3,
  byrow = TRUE,
  dimnames = list(c(1:9), 
    c('freq', 'mean', 'count')
  )
)

现在，我想进行分组，使 count 的总和至少为 30。freq 和 mean 然后应该折叠成一个 weighted.mean，其中权重是 count 值。请注意，最后一个“bin”在第 7 行达到了 32 的总和，但由于第 8:9 行的总和仅为 2，所以我将它们添加到最后一个“bin”中。

像这样：

freq   mean   count
 5.00  0.90   95
12.00  0.80   31
16.26  0.77   38
45.18  0.61   34

用dplyr简单的总结是没有问题的，但是这个我想不通。我确实认为解决方案隐藏在此处：

Dynamic Grouping in R | Grouping based on condition on applied function

但是如何将它应用到我的情况却让我无法理解。

【问题讨论】：

标签： r dplyr

【解决方案1】：

我希望我有一个更短的解决方案，但这是我想出的。

首先我们定义一个自定义的 cumsum 函数：

cumsum2 <- function(x){
  Reduce(function(.x,.y){
    if(tail(.x,1)>30) x1 <- 0 else x1 <- tail(.x,1) ;c(.x,x1+.y)},x,0)[-1]
}
# cumsum2(1:10)
# [1]  1  3  6 10 15 21 28 36  9 19

然后我们可以玩dplyr链：

library(dplyr)
library(tidyr)

df1 %>%
  as.data.frame %>%                        # as you started with a matrix
  mutate(id = row_number(),                # we'll need this to sort in the end
         cumcount = cumsum2(count))    %>% # adding nex cumulate count
  `[<-`(.$cumcount < 30,"cumcount",NA) %>% # setting as NA values less than 30 ...
  fill(cumcount,.direction = "up")     %>% # ... in order to fill them with cumcount
  fill(cumcount,.direction = "down")   %>% # the last NAs belong to the last group so we fill down too
  group_by(cumcount)                   %>% # these are our new groups to aggregate freq and mean
  summarize(id = min(id),
            freq = sum(freq*count)/sum(count),
            mean = sum(mean*count)/sum(count)) %>%
  arrange(id)                          %>% # sort
  select(freq,mean,count=cumcount)         # and lay out as expected output

# # A tibble: 4 x 3
#       freq      mean count
#      <dbl>     <dbl> <dbl>
# 1  5.00000 0.9000000    95
# 2 12.00000 0.8000000    31
# 3 16.26316 0.7736842    38
# 4 45.17647 0.6117647    32

【讨论】：