如何在 dplyr 中对分组元素应用函数，同时保留部分数据

Question

问题总结

目前，我正在尝试应用一个以某种方式计算滞后数据的函数，该函数必须应用于不同的组集，我似乎无法理解如何做到这一点Dplyr.

预期结果

例如，数据如下所示：

   date group value
1 Jan 1     A     0
2 Feb 1     A     1
3 Mar 1     A     0
4 Jan 1     B     2
5 Feb 1     B     4
6 Mar 1     B     0

我们的想法是获得这样的输出，例如 2 个月的滚动平均值：

   date group value roll_mean
1 Feb 1     A     1       0.5
2 Mar 1     A     0       0.5
3 Feb 1     B     4         3
4 Mar 1     B     0         2

可重现的例子

为了示例，我准备了一个可在 R 中使用的示例，其中包含数据和函数：

data <- data.frame(
  date = as.yearmon(
    as.Date(
        c("01/01/2020", "01/02/2020", "01/03/2020", "01/01/2020", "01/02/2020", "01/03/2020"),
        origin = "1970-01-01")
    ),
  group = c("A", "A", "A", "B", "B", "B"),
  value = c(0, 1, 0, 2, 4, 0)
)

computing_function <- function(data) {
  output_data <- data %>% 
    mutate(
      roll_mean = rollmean(data$value, k = 2, fill = NA, align="right")
    ) %>% 
    drop_na(roll_mean)
  return (output_data)
}

问题

我知道如何使用循环来做到这一点，但这会很耗时，不可靠并且维护起来很痛苦。例如，组的输出有效。但是，即使使用summarise()，我也无法使其在 Dplyr 中工作。我在我的逻辑中遗漏了一些东西，我无法确定它是什么。

computing_function(data %>% filter(group == "B"))
#    date group value roll_mean
# 1 Feb 1     B     4         3
# 2 Mar 1     B     0         2

data %>%
  group_by(group) %>% 
  summarise(computing_function(.))
# Error

有没有办法在 dplyr-wise 方面做到这一点？

函数的逻辑应该留在里面，想法是不要把它偏移到dplyr表达式中。

使用的包：

• Dplyr
• 动物园

Answer 1

summarise 不是正确的函数，因为它每组返回一行。 此外，您的函数获取一个 data.frame 作为输入，这在summarise 或mutate 中不起作用。你要么想要这样的东西，它需要一个向量作为输入：

computing_function1 <- function(values) {
    rollmean(values, k = 2, fill = NA, align="right")
}

data %>%
  group_by(group) %>% 
  mutate(roll_mean = computing_function1(value)) %>% 
  filter(!is.na(roll_mean))

或者如果你真的想保持相同的结构，你必须拆分数据集，将函数应用于“组”并重新组装数据集：

data %>%
  split(.$group) %>% 
  map_dfr( computing_function ) 

Answer 2

可以在 Dplyr 的文档中找到有关这种情况的答案，该文档具有函数 modify_by。它是一种 purrr 风格的函数，可以在数据帧（以及扩展的 tibbles）上使用函数。

此函数允许输入为小标题，输出为分组小标题。 这是 Dplyr 代码和逻辑的答案：

data %>%
  group_by(group) %>% 
  group_modify(~computing_function(.x))

# # A tibble: 4 x 4
# # Groups:   group [2]
#   group date      value roll_mean
#   <chr> <yearmon> <dbl>     <dbl>
# 1 A     Feb 1         1       0.5
# 2 A     Mar 1         0       0.5
# 3 B     Feb 1         4       3  
# 4 B     Mar 1         0       2 

如果需要，您可以在 group_modify() 表达式之后使用 ungroup() 来输出未分组的 tibble 以传递给其他函数。

Answer 3

1) 使用read.zoo 将data 转换为宽格式的动物园对象，其中每个日期对应一行，每个组对应一个列。然后使用rollmeanr（与rollmean 相同，但默认为align="right"）并创建一个复杂对象，该对象由原始值作为实部，均值作为虚部。使用 fortify.zoo 将其融化回长格式数据框并提取实部和虚部。这仅使用 magrittr 管道和动物园。

data %>%
  read.zoo(split = "group") %>%
  { fortify.zoo(. + rollmeanr(., 2) * 1i, melt = TRUE, names = names(data)) } %>%
  transform(value = Re(value), rollmean = Im(value))

给予：

      date group value rollmean
1 Feb 0001     A     1      0.5
2 Mar 0001     A     0      0.5
3 Feb 0001     B     4      3.0
4 Mar 0001     B     0      2.0

2) 上面的变体如下。它计算均值的宽动物园对象，然后将其转换回长格式数据框并将值列重新合并。如果您真的不需要结果中的值列，则可以省略最后一行代码，并且如果方法的 zoo 对象就足够了，倒数第二个可以省略。

data %>%
   read.zoo(split = "group") %>%
   rollmeanr(2) %>%
   fortify.zoo(melt = TRUE, names = c(names(data)[1:2], "rollmean")) %>%
   merge(data, ., by = 2:1)