以可读的方式获取不同的 dplyr 计数

Question

我是使用 dplyr 的新手， 我需要计算组中的不同值。这是一个表格示例：

data=data.frame(aa=c(1,2,3,4,NA), bb=c('a', 'b', 'a', 'c', 'c'))

我知道我可以做以下事情：

by_bb<-group_by(data, bb, add = TRUE)
summarise(by_bb, mean(aa, na.rm=TRUE), max(aa), sum(!is.na(aa)), length(aa))

但是如果我想要唯一元素的数量呢？

我能做到：

  > summarise(by_bb,length(unique(unlist(aa))))

  bb length(unique(unlist(aa)))
1  a                          2
2  b                          1
3  c                          2

如果我想排除 NA，我可以这样做：

> summarise(by_bb,length(unique(unlist(aa[!is.na(aa)]))))

  bb length(unique(unlist(aa[!is.na(aa)])))
1  a                                      2
2  b                                      1
3  c                                      1

但它对我来说有点难以理解。有没有更好的方法来做这种总结？

Answer 1

这个选项怎么样：

data %>%                    # take the data.frame "data"
  filter(!is.na(aa)) %>%    # Using "data", filter out all rows with NAs in aa 
  group_by(bb) %>%          # Then, with the filtered data, group it by "bb"
  summarise(Unique_Elements = n_distinct(aa))   # Now summarise with unique elements per group

#Source: local data frame [3 x 2]
#
#  bb Unique_Elements
#1  a               2
#2  b               1
#3  c               1

使用filter 过滤掉aa 具有NA 的任何行，然后按bb 列对数据进行分组，然后按bb 组对aa 列的唯一元素数进行汇总。

如您所见，我正在使用管道运算符%>%，您可以在使用 dplyr 时将其“管道”或“链接”命令。这有助于您编写易于阅读的代码，因为它更自然，例如您从左到右编写代码，从上到下编写代码，而不是从内到外深度嵌套（如您的示例代码）。

编辑：

在你问题的第一部分，你写道：

我知道我可以做以下事情：

by_bb<-group_by(data, bb, add = TRUE)
summarise(by_bb, mean(aa, na.rm=TRUE), max(aa), sum(!is.na(aa)), length(aa))

这是另一种选择（将多个函数应用于同一列）：

data %>%
  filter(!is.na(aa)) %>%
  group_by(bb) %>%
  summarise_each(funs(mean, max, sum, n_distinct), aa)

#Source: local data frame [3 x 5]
#
#  bb mean max sum n_distinct
#1  a    2   3   4          2
#2  b    2   2   2          1
#3  c    4   4   4          1