dplyr 将 NULL 传递给 group_by

Question

这可能已经在某个地方得到了回答，但我找不到答案...标记为重复并按你喜欢的方式投反对票，但请有人帮助我:)

小问题

如何在函数内部将NULL 传递给dplyr::group_by？

library(dplyr)

dt <- data.frame(a = sample(LETTERS[1:2], 100, replace = TRUE), b = sample(LETTERS[3:4], 100, replace = TRUE), value = rnorm(100,5,1))

f1 <- function(dt, a, b, c) {
  dt %>% group_by(a, b, c) %>% summarise(mean = mean(value))
}

f1(dt, a = "a", b = "b", c = NULL)

# Error in grouped_df_impl(data, unname(vars), drop) : 
#  Column `c` is unknown 

详细解释

我正在编写一个函数，其中“b”列可以指定为NULL，这意味着该函数应忽略此列。如果“b”列作为字符给出，则函数应使用该列来汇总数据。像这样：

f2 <- function(dt, a, b) {
  if(is.null(b)) {
    dt %>% group_by(a) %>% summarize(mean = mean(value))
  } else {
    dt %>% group_by(a, b) %>% summarize(mean = mean(value))
  }
}

实际函数相当长且复杂，并且使用 dplyr 管道使所有汇总代码更短。我有多个条件导致不同的输出和总结备选方案，因此我通过首先分组并在单独的步骤中总结来缩短 if else 语句：

f3 <- function(dt, a, b, type = "mean") {
  if(is.null(b)) {
    tmp <- dt %>% group_by(a) 
  } else {
    tmp <- dt %>% group_by(a, b)
  }

  if(type == "mean") {
    tmp %>% summarize(mean = mean(value))
  } else {
    tmp %>% summarise(sum = sum(value))
  }
}

如果可以将NULL 传递给group_by 函数，我可以大大缩短我的代码（NULL 无论如何都应该是空的，这样的传递适用于许多函数，例如来自同一个函数的reshape2::melt作者）。

Answer 1

我不确定这是否涵盖了您的所有用例，但是使用整洁评估的函数（请参阅programming with dplyr vignette）会更灵活，因为您不必担心有多少分组变量你可以传递一个任意的函数向量来总结。希望这样可以避免跟踪NULL 列或使用ifelse 来选择汇总函数。

例如，在下面的代码中，... 是任意数量的分组列，包括根本没有分组列。 type 参数允许您通过一个或多个任意函数进行汇总：

library(tidyverse)
library(rlang)

set.seed(2)
dt <- data.frame(a = sample(LETTERS[1:2], 100, replace = TRUE), 
                 b = sample(LETTERS[3:4], 100, replace = TRUE), 
                 value = rnorm(100,5,1))

f1 = function(data, value.var, ...,  type="mean") {

  groups = enquos(...)
  value.var = enquo(value.var)

  names(type) = paste0(type, "_", quo_text(value.var))
  type = syms(type)

  data %>% group_by(!!!groups) %>% 
    summarise_at(vars(!!value.var), funs(!!!type))
}

f1(dt, value, a, b)

  a     b     mean_value
  <fct> <fct>      <dbl>
1 A     C           5.01
2 A     D           5.05
3 B     C           4.95
4 B     D           5.13

f1(dt, value)

  mean_value
       <dbl>
1       5.03

weird_func = function(x) {
  paste(round(cos(x),1)[1:3], collapse="/")
}

f1(dt, value, a, b, type=c("mean", "min", "median", "max", "weird_func"))

  a     b     mean_value min_value median_value max_value weird_func_value
  <fct> <fct>      <dbl>     <dbl>        <dbl>     <dbl> <chr>           
1 A     C           5.01      3.26         5.07      7.08 1/-0.1/1        
2 A     D           5.05      2.90         5.33      6.36 -0.4/0.9/0      
3 B     C           4.95      3.66         4.73      7.11 0.5/-0.5/0.7    
4 B     D           5.13      2.98         5.46      7.05 0/0.7/0.7

f1(mtcars, mpg, cyl, type=c("mean", "median"))

    cyl mean_mpg median_mpg
  <dbl>    <dbl>      <dbl>
1     4     26.7       26  
2     6     19.7       19.7
3     8     15.1       15.2

Answer 2

我认为您需要首先将其从 NULL 转换为 NA，就像这样（从您的答案中，您只需要传递值而不涉及计算）

library(dplyr)

dt <- data.frame(a = sample(LETTERS[1:2], 100, replace = TRUE), b = sample(LETTERS[3:4], 100, replace = TRUE), value = rnorm(100,5,1))

f1 <- function(dt, a, b, c) {
  dt %>% 
    mutate(c = ifelse(is_empty(c)==TRUE,NA,c)) %>% 
    group_by(a, b,c) %>% 
    summarise(mean = mean(value))
}

f1(dt, a = "a", b = "b",c=NULL)

结果：

# A tibble: 4 x 4
# Groups:   a, b [?]
  a     b     c      mean
  <fct> <fct> <lgl> <dbl>
1 A     C     NA     5.27
2 A     D     NA     5.18
3 B     C     NA     5.27
4 B     D     NA     5.49