寻找函数或公式，使用tidyverse为许多组和许多变量创建平均值和标准偏差表

Question

我需要准备一个表格，其中包括几个人口统计变量和许多变量的每个级别的平均值和标准偏差。

考虑以下数据：

df <- tibble(place=c("London","Paris","London","Rome","Rome","Madrid","Madrid"),gender=c("m","f","f","f","m","m","f"), education = c(1,1,2,3,5,5,3), var1 = c(2.2,3.1,4.5,1,5,1.4,2.3),var2 = c(4.2,2.1,2.5,4,5,4.4,1.3),var3 = c(0.2,0.1,3.5,3,5,2.4,4.3))

我想得到一个数据框，其中包含第一列中的分组变量（地点、性别、教育）及其级别（例如伦敦、巴黎等），以及其他列中以var（var1、var2、var3）开头的每个变量的均值和标准偏差。

我知道如何一次为一个组和几个变量执行此操作。但是，由于我需要重复几十次，因此我正在寻找一种自动化此过程的方法。如果有一个函数，我只需要传递（a）分组变量的名称（例如，性别，教育）和（b）从中获取M / SD的变量（例如var1，var2），那就太好了。

我寻找的解决方案应该看起来像这样（在下面的示例中，统计数据不正确）：

my_results <- tibble(grouping_vars = c("place_London","place_Paris","place_Rome","place_Madrid","gender_m","gender_f","last_element"),mean_var1=c(1.3,2.5,4.5,1.7,2.5,3.6,4.0),sd_var1=c(0.01,0.41,0.21,0.12,0.02,0.38,0.28),mean_var2=c(4.3,4.5,4.0,1.2,2.5,1.6,2.3),sd_var2=c(0.21,0.1,0.1,0.32,0.22,0.18,0.08),mean_var3=c(2.3,2.5,2.0,3.2,3.5,0.6,5),sd_var3=c(0.51,0.15,0.51,0.52,0.52,0.15,0.48))

  grouping_vars  mean_var1 sd_var1 mean_var2 sd_var2 mean_var3 sd_var3
  <chr>              <dbl>   <dbl>     <dbl>   <dbl>     <dbl>   <dbl>
1 place_London         1.3    0.01       4.3    0.21       2.3    0.51
2 place_Paris          2.5    0.41       4.5    0.1        2.5    0.15
3 place_Rome           4.5    0.21       4      0.1        2      0.51
4 place_Madrid         1.7    0.12       1.2    0.32       3.2    0.52
5 gender_m             2.5    0.02       2.5    0.22       3.5    0.52
6 gender_f             3.6    0.38       1.6    0.18       0.6    0.15
7 last_element         4      0.28       2.3    0.08       5      0.48

因为我通常使用tidyverse，所以我特别喜欢使用这些包的解决方案（可能是dplyr或purrr？）。

我认为使用map()会有一种优雅的方式来做到这一点。也许有，但是我还没有找到。与此同时，我想出了一种简单的方法，将数据重组为适当的长格式，然后计算统计数据。

df %>% 
  # all grouping vars need to be of the same type, here "factor" is most appropriate
  mutate_at(grouping_vars, list(factor)) %>%
  # pivot longer, so that each row is a unique combination of grouping variable and grouping level
  pivot_longer(
    cols = one_of(grouping_vars), 
    names_to = "group_var",
    values_to = "group_level"
  ) %>% 
  # merge grouping variable and group level into a single column 
  unite(var_level,group_var,group_level, sep="_") %>% 
  # group by group level
  group_by(var_level) %>% 
  # compute means and sd for each test variable
  summarise_at(test_vars,  list(~mean(., na.rm = TRUE), ~sd(., na.rm = TRUE)))

结果似乎不错，例如，住在伦敦的两个人的var1平均值（2.24.5）为3.35。

# A tibble: 10 x 7
   var_level    var1_mean var2_mean var3_mean var1_sd var2_sd var3_sd
   <chr>            <dbl>     <dbl>     <dbl>   <dbl>   <dbl>   <dbl>
 1 education_1       2.65      3.15      0.15   0.636   1.48   0.0707
 2 education_2       4.5       2.5       3.5   NA      NA     NA     
 3 education_3       1.65      2.65      3.65   0.919   1.91   0.919 
 4 education_5       3.2       4.7       3.7    2.55    0.424  1.84  
 5 gender_f          2.72      2.48      2.72   1.47    1.13   1.83  
 6 gender_m          2.87      4.53      2.53   1.89    0.416  2.40  
 7 place_London      3.35      3.35      1.85   1.63    1.20   2.33  
 8 place_Madrid      1.85      2.85      3.35   0.636   2.19   1.34  
 9 place_Paris       3.1       2.1       0.1   NA      NA     NA     
10 place_Rome        3         4.5       4      2.83    0.707  1.41  

对这种方法可能存在的风险或如何改进有什么想法吗？

Answer 1

一个选项是psych中的description beBy函数：

library(psych)
describeBy(df,group = c("gender","education"), mat= TRUE)

然后从那里把你想要的子集。

< code>dplyr的另一个令人惊讶的简单选项:

library(dplyr)
group.vars <- c("gender","education")
measure.vars <- c("var1","var2")

df %>% 
  group_by_at(group.vars) %>%
  summarize_at(measure.vars,
                      list(mean =~ mean(.),sd =~ sd(.)))
# A tibble: 5 x 6
# Groups:   gender [2]
  gender education var1_mean var2_mean var1_sd var2_sd
  <chr>      <dbl>     <dbl>     <dbl>   <dbl>   <dbl>
1 f              1      3.1       2.1   NA      NA    
2 f              2      4.5       2.5   NA      NA    
3 f              3      1.65      2.65   0.919   1.91 
4 m              1      2.2       4.2   NA      NA    
5 m              5      3.2       4.7    2.55    0.424

您可以继续向列表中添加额外功能。对于每个元素，名称将被附加到变量上，结果将是列值。回想一下，< code>~是< code>function(x)的简写。