r - 如何在 dplyr summarise() 中使用循环
问题描述
我需要在分组后对一堆变量进行总结。有几个变量需要应用不同的函数,大约有 25 个变量需要应用相同的函数。在我看来,它应该以某种方式进行优化,这样我就不需要手动编写 25 次新变量的名称以及为了获得它而应该完成的操作。
我已经通过 dplyr 包尝试了两个选项,但是它们没有成功。进一步介绍了我对玩具示例的尝试:
library('dplyr')
df <- data.frame(letter = c('A', 'A', 'B', 'C', 'A', 'B'),
group = c('group1', 'group1', 'group2', 'group3', 'group1', 'group2'),
var1= c(1,2,3,4,5,6),
var2=c(6,6,6,6,6,6),
var3=c(2,2,2,2,2,2),
var4=c(5,5,5,5,5,5))
var_names <-c('var2', 'var3', 'var4')
groupped <-df%>%
group_by(letter, group)%>%
summarise(var1_mean = mean(var1),
freq = n(),
for (varp in var_names) {
nam <- paste(varp, "_sum", sep = "")
assign(nam, eval(parse(text=paste0("sum(", varp,")"))))
}
)
我得到了错误,它assign()
不适用于 dplyr,所以我尝试了这些:
groupped <- df%>%
group_by(letter, group)%>%
summarise(var1_mean = mean(var1),
freq=n(),
for(i in vars){
nam <- paste0("sum", i)
!!sym(nam) := sum(i)
})
我知道如何通过arrange()
逐列绑定cbind()
到df来循环完成此任务,但这太低效了,因此手动创建25个变量似乎更有效:)任何想法如何自动化这个过程?
解决方案
您可以summarise_at
为此目的使用:
df %>% summarise_at(vars(var_names), list(mean = mean, sum = sum))
如果还有一些您不想将其应用于所有列的功能,则您需要单独执行此操作并left_join
获得结果:
df %>%
group_by(letter, group) %>%
summarise(freq = n()) %>%
left_join(df %>%
group_by(letter, group)%>%
summarise_at(vars(var_names), list(mean = mean, sum = sum)),
by = c("letter", "group")
)
推荐阅读
- regex - 大括号内每个单词的首字母大写
- html - 如何将两个全屏大小的html元素放在一起
- owl-api - owlapi-contract maven依赖缺少测试包
- javascript - 从文件夹导入和导出所有 .vue 文件
- jupyter - 在 jupyter notebook 中加载数据
- bash - 使用 crontab 清理 Spotify 缓存
- python - 在遵循特定结构的同时按列对多索引进行排序
- php - 通过 symfony 应用程序 fosuserbundle 注册发送到 Gmail 的图像未显示
- c++ - 在按下输入之前清除控制台上的用户输入
- javascript - 为什么完全相同的 JavaScript 代码会产生两个不同的结果?