R总结不使用不同的条款答案

【问题标题】：R summarise not working with distinct clauseR总结不使用不同的条款
【发布时间】：2022-11-30 19:56:59
【问题描述】：

ACCOUNT = c(M205109, M205109, M201212, M205668, M207954, M208966, M203465, M207622, M201869, M201869)
age = c(20, 20, 18, 29, 21, 19, 19, 23, 22, 22)

我正在使用的代码

library(tidyverse)
library(data.table)
library(dtplyr)
library(lubridate)

age_summary_all <- data %>%
  distinct(ACCOUNT) %>%
  summarise(min = min(age, na.rm=TRUE),
            q1 = quantile(age, 0.25, na.rm=TRUE),
            median = median(age,na.rm=TRUE),
            mean = mean(age,na.rm=TRUE),
            q3 = quantile(age, 0.75, na.rm=TRUE),
            max = max(age, na.rm=TRUE))

我收到此错误：

summarise() 中的错误：！计算 min = min(age, na.rm = TRUE) 时出现问题。由mask$eval_all_summarise()中的错误引起：！未找到对象“年龄”

真正奇怪的是，如果 distinct 被引用不同列的 group_by 子句替换，那么完全相同的代码运行良好，但我需要对独特的个体进行分析——数据的性质使得个体账户很可能在数据表中有多个条目。因此，对于上面的示例，我希望 summarize 子句的 n = 8。

所有的包绝对是最新的。

【问题讨论】：

标签： r dplyr

【解决方案1】：

distinct 在这种情况下需要 .keep_all=T。

.keep_all：如果为“TRUE”，则将所有变量保留在“.data”中。如果组合 ‘...’的值不明显，这会保留第一行的值。

没有.keep_all=T的电话

library(dplyr)

data %>%
  distinct(ACCOUNT)
# A tibble: 8 × 1
  ACCOUNT
  <chr>
1 M205109
2 M201212
3 M205668
4 M207954
5 M208966
6 M203465
7 M207622
8 M201869

致电.keep_all=T

data %>% 
  distinct(ACCOUNT, .keep_all=T)
# A tibble: 8 × 2
  ACCOUNT   age
  <chr>   <dbl>
1 M205109    20
2 M201212    18
3 M205668    29
4 M207954    21
5 M208966    19
6 M203465    19
7 M207622    23
8 M201869    22

data %>%
  distinct(ACCOUNT, .keep_all=T) %>%
  summarise(min = min(age, na.rm=TRUE),
            q1 = quantile(age, 0.25, na.rm=TRUE),
            median = median(age,na.rm=TRUE),
            mean = mean(age,na.rm=TRUE),
            q3 = quantile(age, 0.75, na.rm=TRUE),
            max = max(age, na.rm=TRUE))
# A tibble: 1 × 6
    min    q1 median  mean    q3   max
  <dbl> <dbl>  <dbl> <dbl> <dbl> <dbl>
1    18    19   20.5  21.4  22.2    29

数据

data <- structure(list(ACCOUNT = c("M205109", "M205109", "M201212", "M205668",
"M207954", "M208966", "M203465", "M207622", "M201869", "M201869"
), age = c(20, 20, 18, 29, 21, 19, 19, 23, 22, 22)), class = c("tbl_df",
"tbl", "data.frame"), row.names = c(NA, -10L))

【讨论】：

【解决方案2】：

我认为这就是您要实现的目标：

account <- c("M205109", "M205109", "M201212", "M205668", "M207954", "M208966", "M203465", "M207622", "M201869", "M201869")
age <- c(20, 20, 18, 29, 21, 19, 19, 23, 22, 22)

library(dplyr)    

data <- data.frame(account , age)

age_summary_all <- 
  data %>%
  group_by(account) %>%
  summarise(min = min(age, na.rm=TRUE),
            q1 = quantile(age, 0.25, na.rm=TRUE),
            median = median(age,na.rm=TRUE),
            mean = mean(age,na.rm=TRUE),
            q3 = quantile(age, 0.75, na.rm=TRUE),
            max = max(age, na.rm=TRUE))

age_summary_all

# A tibble: 8 x 7
  account   min    q1 median  mean    q3   max
  <chr>   <dbl> <dbl>  <dbl> <dbl> <dbl> <dbl>
1 M201212    18    18     18    18    18    18
2 M201869    22    22     22    22    22    22
3 M203465    19    19     19    19    19    19
4 M205109    20    20     20    20    20    20
5 M205668    29    29     29    29    29    29
6 M207622    23    23     23    23    23    23
7 M207954    21    21     21    21    21    21
8 M208966    19    19     19    19    19    19

【讨论】：

【解决方案3】：

我们不了解 distinct 的输出。看看这个例子：

require(tidyverse)
mtcars %>% distinct(mpg)

产生：

# A tibble: 25 × 1
     mpg
   <dbl>
 1  21  
 2  22.8
 3  21.4
 4  18.7
 5  18.1
 6  14.3
 7  24.4
 8  19.2
 9  17.8
10  16.4
# … with 15 more rows
# ℹ Use `print(n = ...)` to see more rows

【讨论】：