Dplyr：同时汇总组和整个数据

Question

我正在为大型数据框中的许多变量计算摘要统计信息（它有 130 个变量）。我希望为我的所有数据计算每十年的汇总统计数据。我想避免写两次总结：一次用于分组，一次用于完整数据。我也使用 summarise_at，所以我的问题也适用于 summarise_at。

这是一个最小的示例，其中 summarise_at() 似乎有点过头，但对于我的真实数据而言并非如此：

my.data <- data.frame(Date = as.Date(c('1981-04-09', '1983-02-01', '1992-10-19', '1996-11-22', '1987-05-15')),
  decade = c('Eighties', 'Eighties', 'Nineties', 'Nineties', 'Eighties'),
  price = c(10, 11, 17, 34, 12),
  d.sector.Oil = c(0,0,1,1,1),
  d.sector.Mines = c(1,1,0,0,0)) # An example dataframe
# Calculate summary statistics for each decade and each variable:
sumst.decades<- my.data %>% group_by(decade) %>% summarise(mean.price = mean(price))
sumd.decades<- my.data %>% group_by(decade) %>% summarise_at(vars(starts_with('d.sector.')), sum)

我的完整数据需要相同的摘要。我会重复上面的命令行，但没有“group_by”：

sumst<- summarise(my.data, mean.price = mean(price))
sumd<- summarise_at(my.data, vars(starts_with('d.sector.')), sum)

我希望不必写最后两行，但不知何故，dplyr 除了分组摘要外，还给了我一个全局摘要。例如，如果有一个函数 group_by* 可以根据需要创建组并创建一个全局组。这样的事情存在吗？ 我希望我的问题很清楚。提前致谢。

Answer 1

Tidyverse 解决方案：

library(tidyverse)

my.data %>% 
  mutate(decade = as.character(decade)) %>%
  bind_rows(., my.data %>% mutate(decade = as.character("All"))) %>%
  group_by(decade) %>% 
  summarise_if(is.numeric, c("sum", "mean")) %>% 
  ungroup()

Answer 2

我不知道执行此操作的现有 dplyr 函数。但我已经写了一个你可以用于此目的的变通函数：

overall_group = function(data, col_name){

  d1 = data %>%
    mutate(summary_level = "grouped")

  d2 = data %>%
    mutate(summary_level = "ungrouped") %>%
    mutate(!!sym(col_name) := NA)

  d12 = rbind(d1, d2) %>%
    group_by(summary_level, !!sym(col_name))

  return(d12)
}

演示：

> mtcars %>% summarise(avg_mpg = mean(mpg))
   avg_mpg
1 20.09062
> mtcars %>% group_by(gear) %>% summarise(avg_mpg = mean(mpg))
# A tibble: 3 x 2
   gear avg_mpg
  <dbl>   <dbl>
1     3    16.1
2     4    24.5
3     5    21.4
> mtcars %>% overall_group("gear") %>% summarise(avg_mpg = mean(mpg))
# A tibble: 4 x 3
# Groups:   summary_level [2]
  summary_level  gear avg_mpg
  <chr>         <dbl>   <dbl>
1 grouped           3    16.1
2 grouped           4    24.5
3 grouped           5    21.4
4 ungrouped        NA    20.1

这种方法是对 group_by 的一种破解。最好在摘要中实现overall_* 功能。但是，我对 summarise 的内部工作原理了解不够，无法设计这样的功能。

另外，在为报告显示表格时，更常见的是有一行给出总平均值或总体平均值。因此，您最好在专注于呈现表格的包中搜索这种汇总函数，而不是使用 dplyr。