Р: Как суммировать несколько переменных с разными функциями?
У меня есть фрейм данных, в котором для каждой переменной группировки есть два типа переменных: один набор, для которого мне нужно среднее значение в каждой группе, другой, для которого мне нужна сумма в каждой группе. То есть я хочу применить две разные сводные функции к двум различным наборам переменных во фрейме данных после применения некоторых цепочечных функций (таких как фильтрация и выборка, потому что исходная проблема сложнее, чем эта).
> head(df, 10)
group.var x1 x2 x3 y1 y2 y3
1 1 460 477 236 65 142 384
2 1 88 336 114 93 378 52
3 1 93 290 353 384 498 43
4 1 394 105 306 172 216 267
5 1 402 145 423 425 125 322
6 2 187 473 466 279 81 484
7 2 465 373 50 422 136 78
8 2 404 455 362 205 315 12
9 2 54 202 242 348 324 275
10 2 340 380 14 442 376 491
В идеале я хочу использовать dplyr"s summarize_at функционировать дважды в одной цепочке, чтобы применить mean к переменной набора 1 и sum чтобы установить 2 в двух разных операциях, но по очевидной причине возвращенный сгруппированный df не может идентифицировать второй набор переменных.
> df1 <- df %>%
+ select(group.var, x1:xn, y1:yn) %>% # just for reference
+ filter(x2 != 20) %>% # just for reference
+ group_by(group.var) %>%
+ summarize_at(vars(x1:xn), mean) %>%
+ summarize_at(vars(y1:ym), sum)
Error in is_character(x, encoding = encoding, n = 1L) :
object 'y1' not found
Я могу написать два фрагмента, которые выполняют одну и ту же группировку, выбор и фильтрацию, но с разным обобщением, используя summarize_all функции, а затем присоединиться к сгруппированным DF, используя group.var, но я ищу более эффективный метод. Конечный результат, который я хочу, это:
group.var x1 x2 x3 y1 y2 y3
1 1 287.4 270.6 286.4 1139 1359 1068
2 2 290.0 376.6 226.8 1696 1232 1340
Любые предложения, желательно с использованием dplyr или же data.table?
3 ответа
Один из способов был бы с mutate а потом distinct:
df %>%
select(group.var, x1:x3, y1:y3) %>%
filter(x2 != 20) %>%
group_by(group.var) %>%
mutate_at(vars(x1:x3), mean) %>%
mutate_at(vars(y1:y3), sum) %>%
distinct()
Выход:
# A tibble: 2 x 7
# Groups: group.var [2]
group.var x1 x2 x3 y1 y2 y3
<int> <dbl> <dbl> <dbl> <int> <int> <int>
1 1 287. 271. 286. 1139 1359 1068
2 2 290 377. 227. 1696 1232 1340
Другим способом было бы сделать оба резюме для всех, а затем выбрать только соответствующие комбинации (mean за x, а также sum за y):
df %>%
select(group.var, x1:x3, y1:y3) %>%
filter(x2 != 20) %>%
group_by(group.var) %>%
summarise_all(funs(mean, sum)) %>%
select(group.var, matches("x\\d_mean"), matches("y\\d_sum"))
Выход:
# A tibble: 2 x 7
group.var x1_mean x2_mean x3_mean y1_sum y2_sum y3_sum
<int> <dbl> <dbl> <dbl> <int> <int> <int>
1 1 287. 271. 286. 1139 1359 1068
2 2 290 377. 227. 1696 1232 1340
Если вас беспокоит спецификация резюме в именах, вы можете добавить в конце что-то вроде %>% rename_all(function(x) gsub("_.*", "", x)),
И последнее, но не менее важное, также способ с purrr (даст тот же результат, что и первый подход здесь):
library(tidyverse)
list(c(paste0("x", 1:3)), c(paste0("y", 1:3))) %>%
map2(lst(mean, sum),
~ df %>%
select(group.var, x1:x3, y1:y3) %>%
filter(x2 != 20) %>%
group_by(group.var) %>%
summarise_at(.x, .y)
) %>%
reduce(inner_join)
Обратите внимание, что десятичные дроби исчезли в приведенных выше примерах, потому что это как tibble отображает его, они все еще там, вы можете отобразить их в консоли с добавлением %>% as.data.frame() в конце каждого фрагмента.
Вы можете попробовать этот код:
df %>%
group_by(group.var) %>%
do(invoke_map_dfc(list(map_df),
list(list(select(., x1:x3), mean),
list(select(., y1:y3), sum))
)
)
Выход будет
# A tibble: 2 x 7
# Groups: group.var [2]
group.var x1 x2 x3 y1 y2 y3
<int> <dbl> <dbl> <dbl> <int> <int> <int>
1 1 287. 271. 286. 1139 1359 1068
2 2 290 377. 227. 1696 1232 1340
Входной фрейм данных:
df <- data.frame(
id = 1:10,
group.var = c(1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L),
x1 = c(460L, 88L, 93L, 394L, 402L, 187L, 465L, 404L, 54L, 340L),
x2 = c(477L, 336L, 290L, 105L, 145L, 473L, 373L, 455L, 202L, 380L),
x3 = c(236L, 114L, 353L, 306L, 423L, 466L, 50L, 362L, 242L, 14L),
y1 = c(65L, 93L, 384L, 172L, 425L, 279L, 422L, 205L, 348L, 442L),
y2 = c(142L, 378L, 498L, 216L, 125L, 81L, 136L, 315L, 324L, 376L),
y3 = c(384L, 52L, 43L, 267L, 322L, 484L, 78L, 12L, 275L, 491L),
stringsAsFactors = FALSE)
С новым
across особенность это может быть выполнено таким образом
df1 <- df %>%
dplyr::select(group.var, x1:x3, y1:y3) %>% # just for reference
filter(x2 != 20) %>% # just for reference
group_by(group.var) %>%
summarise(across(x1:x3, mean), across(y1:y3, sum))