时间戳

首页 > 解决方案 > 使用 dplyr 聚合不在组中的值

r - 使用 dplyr 聚合不在组中的值

问题描述

考虑一个捕获与给定集群/特征对关联的值的数据框：

library(tidyverse)

set.seed(100)
X <- data_frame(Cluster = rep(1L:3L,2),
                Feature = rep(c("A","B"), each=3),
                Values  = map(rep(11:13,2), rnorm) )
# # A tibble: 6 x 4
#    Cluster Feature Values
#      <int> <chr>   <list>
#  1       1 A       <dbl [11]>
#  2       2 A       <dbl [12]>
#  3       3 A       <dbl [13]>
#  4       1 B       <dbl [11]>
#  5       2 B       <dbl [12]>
#  6       3 B       <dbl [13]>

我有兴趣为任何给定的集群/特征对创建一个新列，该列合并其他集群中该特征的所有值。例如，此类不在集群 (NIC) 列中的第一个条目应包含与集群 2 和 3 中的特征 A 关联的 25 个值。

以下对行的循环将产生正确的答案：

X$NIC <- map( 1:nrow(X), ~c() )
for(i in 1:nrow(X) ) {
  cl <- X$Cluster[i]
  f  <- X$Feature[i]
  X$NIC[[i]] <- filter( X, Cluster != cl, Feature == f ) %>%
                  pull(Values) %>% unlist
}
# # A tibble: 6 x 4
#   Cluster Feature Values     NIC
#     <int> <chr>   <list>     <list>
# 1       1 A       <dbl [11]> <dbl [25]>
# 2       2 A       <dbl [12]> <dbl [24]>
# 3       3 A       <dbl [13]> <dbl [23]>
# 4       1 B       <dbl [11]> <dbl [25]>
# 5       2 B       <dbl [12]> <dbl [24]>
# 6       3 B       <dbl [13]> <dbl [23]>

## Spot-checking
with( X, identical(NIC[[1]], unlist(Values[2:3])) )      # TRUE
with( X, identical(NIC[[5]], unlist(Values[c(4,6)])) )   # TRUE

我想知道是否有更清洁的方法可以使用dplyr工具来做到这一点。我觉得这是一个完美的group_by解决方案设置，但似乎需要在组之间进行一些“串扰”才能使其工作。

标签： rdplyraggregate

解决方案

关键是不要按 分组Cluster，因为您想迭代 Features 中的集群。

library(dplyr)
library(purrr)

mutate(group_by(X, Feature),
       NIC = map(1:n(), ~ flatten_dbl(Values[-.])))
# # A tibble: 6 x 4
# # Groups:   Feature [2]
#   Cluster Feature Values     NIC       
#     <int> <chr>   <list>     <list>    
# 1       1 A       <dbl [11]> <dbl [25]>
# 2       2 A       <dbl [12]> <dbl [24]>
# 3       3 A       <dbl [13]> <dbl [23]>
# 4       1 B       <dbl [11]> <dbl [25]>
# 5       2 B       <dbl [12]> <dbl [24]>
# 6       3 B       <dbl [13]> <dbl [23]>

推荐阅读