创建动态分组依据答案

【问题标题】：Creating a dynamic Group By创建动态分组依据
【发布时间】：2020-10-09 19:20:36
【问题描述】：

df = data.frame(
  A = c(1, 4, 5, 13, 2),
  B = c("Group 1", "Group 3", "Group 2", "Group 1", "Group 2"),
  C = c("Group 3", "Group 2", "Group 1", "Group 2", "Group 3")
)

df %>%
  group_by(B) %>%
  summarise(val = mean(A))

df %>%
  group_by(C) %>%
  summarise(val = mean(A))

我不想为每个唯一的 group_by 集编写新的代码块，而是想创建一个循环，该循环将遍历 df 数据帧并将结果保存到列表或数据帧中。

我想看看特征 A 的平均值如何在特征 B 和 C 之间传播，而无需编写新的数据集中每个分类特征的代码块。

我试过这个：

List_Of_Groups <- map_df(df, function(i) {
  df %>% 
    group_by(!!!syms(names(df)[1:i])) %>% 
    summarize(newValue = mean(A))
})

【问题讨论】：

标签： r dataframe dplyr tidyverse purrr

【解决方案1】：

使用purrr 的map，您可以将您指定的代码块应用于所有字符列。基本上，您将字符变量的名称映射到后面的函数

purrr::map(names(df %>% select(where(is.character))), function(i) {
  df %>% 
    group_by(!!sym(i)) %>% 
    summarize(newValue = mean(A))
})

输出

# [[1]]
# A tibble: 3 x 2
#   B       newValue
#   <chr>      <dbl>
# 1 Group 1      7  
# 2 Group 2      3.5
# 3 Group 3      4  
# 
# [[2]]
# A tibble: 3 x 2
#   C       newValue
#   <chr>      <dbl>
# 1 Group 1      5  
# 2 Group 2      8.5
# 3 Group 3      1.5

【讨论】：

请原谅这个双关语，但where 来自哪里？包？
where 是一个tidyselect 函数，可以在dplyr 1.0.0 版的某些dplyr 语句中使用。可以看一些例子here
@Loncar 最好更新它们:) 否则你可以使用names(df %>% select_if(is.character)) 并且结果会一样
你的变量是字符还是因子？你有没有试过如果你写c("B", "C")而不是names(...)，它是否有效？
这很奇怪，因为names()应该返回一个列名的字符向量。如果你运行names(df %>% select(where(is.character)))或names(df %>% select_if(is.character))，输出是什么？

【解决方案2】：

您可以使用 A 作为标识符将其旋转很长，然后按以下方式分组：

library(tidyr)
df %>% pivot_longer(-A) %>% group_by(name,value) %>% summarize(val=mean(A))
# A tibble: 6 x 3
# Groups:   name [2]
  name  value     val
  <chr> <fct>   <dbl>
1 B     Group 1   7  
2 B     Group 2   3.5
3 B     Group 3   4  
4 C     Group 1   5  
5 C     Group 2   8.5
6 C     Group 3   1.5

【讨论】：

【解决方案3】：

你可以试试这样的：

library(dplyr)
empty_list <- list(0)
for(i in 2:dim(df)[2])
{
  empty_list[[i-1]]<-df %>% group_by(df[,i]) %>% summarise(val = mean(A))
}
empty_list

[[1]]
# A tibble: 3 x 2
  `df[, i]`   val
  <fct>           <dbl>
1 Group 1           7  
2 Group 2           3.5
3 Group 3           4  

[[2]]
# A tibble: 3 x 2
  `df[, i]`   val
  <fct>           <dbl>
1 Group 1           5  
2 Group 2           8.5
3 Group 3           1.5

希望这能有所帮助。

【讨论】：