用于子集、聚合、透视和保存数据帧的 R 函数答案

【问题标题】：R Function to Subset, Aggregate, Pivot, and Save Data Frames用于子集、聚合、透视和保存数据帧的 R 函数
【发布时间】：2020-10-13 19:58:52
【问题描述】：

我在编写函数时遇到问题：

我有一个我想要的 df (a) subset，只保留所需的列，(b) aggregate 基于两个分组变量（“日期”和“城市”）的“x”值，（c）pivot_wider，和（d）write.csv。最终，我需要为 14 个变量和两个分组参数执行此操作，我认为这是使用用户定义函数的好时机。

这里是示例数据：

> print(head(data, 5))
# A tibble: 5 x 23
    fn    zip5   group cluster area    fy  week   date      urban   FN0   FN1
  <int>   <dbl> <chr> <fct>   <ord> <dbl> <fct> <date>     <ord>  <dbl> <dbl>
1 584000   NA    1    LOCAT~   Nort~  2019 00B   NA         urba~    3    NA
2 584000   NA    1    LOCAT~   Nort~  2019 01B   2018-09-29 urba~    20   37
3 584000   NA    2    LOCAT~   Sout~  2019 02B   2018-10-06 rura~    5    3
4 584000   NA    2    LOCAT~   Sout~  2019 03B   2018-10-13 rura~    NA   NA
5 584000   NA    3    LOCAT~   East~  2019 04B   2018-10-20 subu~    13   19

这里是dput():

> dput(droplevels(wkhr4_W[2282334:2282341, c("fn", "date", "urban", "FN2")]))
structure(list(fn = c(150929L, 150929L, 150927L, 150927L, 150927L, 
150927L, 150927L, 150927L), date = structure(c(18412, 18419, 
NA, 17803, 17810, 17817, 17824, 17831), class = "Date"), urban = structure(c(1L, 
1L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("Suburban", "Not Avaliable"
), class = c("ordered", "factor")), FN2 = c(1625, 1911, NA, NA, 
NA, NA, NA, NA)), row.names = c(NA, -8L), class = c("tbl_df", 
"tbl", "data.frame"))

这是我目前所拥有的：

save_file = function(x, y, data) {
  file <- print(paste0("wkhr_2020_", x, "_", y))
  df <- subset(data, date >= "2020-01-04" & date <= "2020-06-06", select = c(date, fn, y, x))
  file <- aggregate(as.formula(paste(x, "~ date +", y)), FUN = sum, data = df)
  file <- pivot_wider(file, values_from = x, names_from = y)
  write.csv(file, paste0("./Work Hours/", file, ".csv"), row.names = FALSE)
}

save_file("FN0", "urban", data)

是否有人对如何执行此操作有建议？

【问题讨论】：

欢迎来到 SO！您愿意提供data 的样本，以便获得最佳答案吗？尝试使用dput(head(data)) 并使用输出编辑问题。
您的 x 和 y 不会在聚合公式中进行评估 - 请改用 aggregate(as.formula(paste(x, "~ date +", y)), ...)。我还强烈建议将data 作为参数包含在内，这样您就可以在任何数据帧上使用它，而不管它是否被命名为data。
@Ben - 感谢您的建议。由于公司政策，我无法发布数据（以任何形式），但我在我的问题中添加了head(data, 5) 输出的编辑版本。 @GregorThomas - 我更改了帖子中的代码以反映您的建议。代码现在给出一个错误：错误：不能对不存在的列进行子集化。 x 8 和 1 列不存在。
您能与dput分享您编辑的数据吗？它使复制/粘贴变得更加容易。如果您的因素有很多级别，dput(droplevels(data[1:10, ])) 效果很好。
@GregorThomas - 令人沮丧的是，我无法发布 dput() 输出，因为它包含专有数据。公司政策。

标签： r function dataframe syntax

【解决方案1】：

主要问题是您在 subset 行中 - select = c(date, fn, y, x) 混合了 date 和 fn （它们是文字的、不带引号的列名）和 y, x ，它们是值是列名的对象。你不能这样混搭。更改为 select = c("date", "fn", y, x) 即可解决问题。

在pivot_wider 的最新版本中，您应该使用all_of() 来处理值为列名的对象，因此我也进行了更改。

最后，您首先构建文件名并将其命名为file，但随后覆盖了该文件名，并将修改后的数据命名为file。我为数据保留df，为文件名保留file。我还将您的print() 更改为message()，在某些情况下它可能更友好，例如如果您想在不更改功能的情况下将其静音，它可能会以不同的颜色打印，这样更容易扫描为。

save_file = function(x, y, data) {
  file = paste0("wkhr_2020_", x, "_", y)
  message(file)
  df <- subset(data, date >= "2020-01-04" & date <= "2020-06-06", select = c("date", "fn", y, x))
  df <- aggregate(as.formula(paste(x, "~ date +", y)), FUN = sum, data = df)
  df <- pivot_wider(df, values_from = all_of(x), names_from = all_of(y))
  write.csv(file, paste0("./Work Hours/", file, ".csv"), row.names = FALSE)
}

【讨论】：