时间戳

首页 > 解决方案 > 应用 group_by 和 summarise(sum) 但保留大量附加列

r - 应用 group_by 和 summarise(sum) 但保留大量附加列

问题描述

我想按一个变量对我的数据框进行分组，总结另一个变量，但保留所有其他关联的列。

在应用 group_by 并汇总数据同时保留所有列的信息时，接受的答案是使用 filter() 或 slice()，如果答案已经存在于数据中（即 min，max），则可以正常工作，但这并不如果您想使用生成新答案（即总和，均值）的函数，请工作。

在应用 group_by 和 summarise(sum) 但保留不相关的冲突数据的列？公认的答案是使用您想要保留的所有列作为分组变量的一部分。但是，如果您想保留许多列，这似乎是一个无效的解决方案。例如，我正在处理的数据有 26 个附加列。

我想出的最佳解决方案是拆分应用组合。但这似乎很笨拙——当然必须有一个可以在单个管道中完成的解决方案。

例子：

location <- c("A", "A", "B", "B", "C", "C")
date <- c("1", "2", "1", "2", "1", "2")
count <- c(3, 6, 4, 2, 7, 5)
important_1 <- c(1,1,2,2,3,3)
important_30 <- c(4,4,5,5,6,6)

df <- data.frame(location = location, date = date, count = count, important_1 = important_1, important_30 = important_30)

我想总结在同一地点的不同日期发生的计数。我想保留所有重要的（想象有 30 个而不是 2 个）。

到目前为止我的解决方案：

check <- df %>%
  group_by(location) %>%
  summarise(count = sum(count))

add2 <- df %>%
  select(-count, -date) %>%
  distinct()

results <- merge(check, add2)

有没有办法可以在一条管道中完成此任务？我宁愿保持井井有条，并尽可能避免创建新对象。

标签： rdplyr

解决方案

我们可以创建一个列mutate然后应用distinct

library(dplyr)
df %>% 
   group_by(location) %>% 
   mutate(count = sum(count)) %>% select(-date) %>% 
   distinct(location,  important_1, important_30, .keep_all = TRUE)

如果有多个列名，我们也可以使用symstosymbol和 evaluate ( !!!)

df %>% 
     group_by(location) %>% 
     mutate(count = sum(count)) %>% select(-date) %>% 
    distinct(location, !!! rlang::syms(names(.)[startsWith(names(.), 'important')]), .keep_all = TRUE)

推荐阅读