从组外调用值时使用自定义函数进行汇总

Question

我正在尝试使用 summarize_at() 和自定义函数来汇总多个列。我坚持的部分是函数ssmd() 旨在从group_by() 建立的组中获取一个值向量，并从该组之外获取另一个值向量。

在下面的示例中，x 应该是Month 的每组值的向量（根据当前组而变化），y 应该是Month == 5 的一组固定值。

# custom function
ssmd <- function(x, y){
  (mean(x, na.rm = TRUE) - mean(y, na.rm = TRUE)) / sqrt(var(x, na.rm = TRUE) + var(y, na.rm = TRUE))
}

# dataset
d <- airquality

# this isn't working - trying to find the difference between the mean for each Month and the mean of Month 5, for columns Ozone, Solar.R, Wind, and Temp
d %>%
  group_by(Month) %>%
  summarize_at(vars(Ozone:Temp), funs(ssmd, x = ., y = .[Month == 5])) %>%
  ungroup()

目前，这会产生以下错误：Error in mean(y, na.rm = TRUE) : argument "y" is missing, with no default。所以我认为我有一个语法错误，除了被困在如何从当前组之外访问值之外。

预期输出是一个数据框，每个月有一行，每个变量（Ozone、Solar.R、Wind 和 Temp）一列。

Answer 1

有两个问题：

1) 当您在 funs 中引用 Month 时，它仅适用于该组，而不是整个数据框

2) 1) 可以使用.$Month 解决，但您无权访问summarize_at 中的整个列来仅对Month == 5 中的值进行子集化。

但是，您不需要该自定义函数，您可以为每个 Month 获取所有列的 mean，然后从 Month = 5 所在的每一列中减去值。

library(dplyr)

d %>%
  group_by(Month) %>%
  summarize_at(vars(Ozone:Temp), mean, na.rm = TRUE) %>%
  mutate_at(vars(Ozone:Temp), ~.  - .[Month == 5])

# A tibble: 5 x 5
#  Month Ozone Solar.R  Wind  Temp
#  <int> <dbl>   <dbl> <dbl> <dbl>
#1     5  0       0     0      0  
#2     6  5.83    8.87 -1.36  13.6
#3     7 35.5    35.2  -2.68  18.4
#4     8 36.3    -9.44 -2.83  18.4
#5     9  7.83  -13.9  -1.44  11.4

---

要在更新后的帖子中使用ssmd 函数，我们可以这样做：

library(dplyr)
library(purrr)

named_info <- d %>% select(Ozone:Temp) %>% names()

map(named_info, function(x) d %>% group_by(Month) %>% 
                     summarise_at(vars(x), ~ssmd(., d[[x]][d$Month == 5]))) %>%
    reduce(inner_join, by = 'Month')

Answer 2

我不知道如何修复您的语法错误，但我在这里提出了一种解决方法。这将数据汇总为每列的月平均值，然后减去第一个值，即五月的平均值。

library(dplyr)

d <- airquality

d1 <- d %>%
  group_by(Month) %>%
  summarize_at(vars(Ozone:Temp), list(~mean(., na.rm = TRUE))) %>%
  ungroup()

d1[-1] <- lapply(d1[-1], function(x) x - x[1])

d1
# # A tibble: 5 x 5
#   Month Ozone Solar.R  Wind  Temp
#   <int> <dbl>   <dbl> <dbl> <dbl>
# 1     5  0       0     0      0  
# 2     6  5.83    8.87 -1.36  13.6
# 3     7 35.5    35.2  -2.68  18.4
# 4     8 36.3    -9.44 -2.83  18.4
# 5     9  7.83  -13.9  -1.44  11.4