使用dplyr对多列进行不同操作的汇总

Question

我知道已经有很多相关的问题了，但是没有一个回答了我的特殊需求。

我想在一个有50列的表上使用dplyr“summary”，我需要对这些列应用不同的摘要函数。

“SUMMARE_all”和“SUMMARY_at”似乎都有缺点，即不可能将不同的函数应用于变量的不同子组。

例如，让我们假设iris数据集有50列，所以我们不想按名称寻址列。我需要前两列的总和、第三列的平均值以及所有剩余列的第一个值(在group_by(Species)之后)。我怎么能这样做？

Answer 1

您可以使用每个函数分别汇总数据，然后根据需要稍后联接数据。

因此，对于虹膜示例，如下所示：

sums <- iris %>% group_by(Species) %>% summarise_at(1:2, sum)
means <- iris %>% group_by(Species) %>% summarise_at(3, mean)
firsts <- iris %>% group_by(Species) %>% summarise_at(4, first)
full_join(sums, means) %>% full_join(firsts)

不过，如果您需要使用的总结函数不止一个，我会尝试想出其他方法。

Answer 2

正如其他人所提到的，这通常是通过调用＜code＞summary_each/＜code＞sumary_at/＜code＞summy_if

对于您提到的示例，您可以尝试以下操作：

summarizer <- function(tb, colsone, colstwo, colsthree, 
                       funsone, funstwo, funsthree, group_name) {

return(bind_cols(
    summarize_all(select(tb, colsone), .funs = funsone),
    summarize_all(select(tb, colstwo), .funs = funstwo) %>% 
      ungroup() %>% select(-matches(group_name)),
    summarize_all(select(tb, colsthree), .funs = funsthree) %>% 
      ungroup() %>% select(-matches(group_name)) 
))

}

#With colnames
iris %>% as.tibble() %>% 
  group_by(Species) %>% 
  summarizer(colsone = contains("Sepal"), 
         colstwo = matches("Petal.Length"), 
         colsthree = c(-contains("Sepal"), -matches("Petal.Length")),
         funsone = "sum", 
         funstwo = "mean",
         funsthree = "first",
         group_name = "Species")

#With indexes
iris %>% as.tibble() %>% 
 group_by(Species) %>% 
 summarizer(colsone = 1:2, 
         colstwo = 3, 
         colsthree = 4,
         funsone = "sum", 
         funstwo = "mean",
         funsthree = "first",
         group_name = "Species")

Answer 3

幸运的是，现在有一种更简单的方法。随着新的dplyr 1.0.0即将推出，您可以利用< code > cross 函数来实现这一目的。

你只需要输入:

iris %>% 
  group_by(Species) %>% 
  summarize(
    # I want the sum over the first two columns, 
    across(c(1,2), sum),
    #  the mean over the third 
    across(3, mean),
    # the first value for all remaining columns (after a group_by(Species))
    across(-c(1:3), first)
  )

太好了，不是吗？我最初认为跨是不必要的，因为作用域变体工作得很好，但这个用例正是跨函数非常有益的原因。

您可以通过devtools：：install_github（“tidyverse/dplyr”）获取最新版本的dplyr