使用 dplyr::summarise 中的数据函数答案

【问题标题】：Use a function of the data in dplyr::summarise使用 dplyr::summarise 中的数据函数
【发布时间】：2016-08-07 11:28:25
【问题描述】：

假设我有一个 data.frame 的函数，它返回一个数字，现在我想在 dplyr 中使用 summarise ，其中新变量应该是应用于 data.frame 分组的函数另一个变量。

这是一个愚蠢的例子

df <- data.frame(id=rep(c("A","B"),each=5),diff=rnorm(10))

func<-function(data){
  mean(data$diff)
}

我知道这个例子很容易使用summarise(Mean = mean(diff)) 完成，但重点不是解决这个例子，而是一般使用带有data.frame 函数的summarise

到目前为止我的尝试是

df %>% group_by(id) %>% summarise(New = func(.))

但它为每个组提供相同的值，这是整体功能。

希望一切都清楚。

【问题讨论】：

用什么比较好？
为什么不能是func <- function(col) mean(col); df %>% group_by(id) %>% summarise(New = func(diff)) 或者使用[ 对数据进行子集化
@akrun 为什么在函数内部使用$不好？
评估不正确
@akrun 因为一般来说它将是更多列的函数

标签： r dplyr

【解决方案1】：

我不确定我是否理解您要执行的操作，并且我不熟悉 plyr 和 dplyr 软件包之间的区别。做我认为你想做的最直接的方法是使用daply：

> daply(df, .(id), func)
         A          B 
-0.0301488  0.2088815

【讨论】：

它有效，但最初的问题是dplyr，有没有办法用dplyr::summarise 做到这一点？
我正在总结几个变量，到目前为止我已经使用了summarise，我不想将我的所有代码都更改为daply 逻辑
这没有回答问题。 OP 明确声明他们想要使用 dplyr。当然，dplyr 有几种替代方案（有些效率很高，有些则没有），但这不是 OP 所要求的。 -1
@zwol 不，问题是dplyr::summarise
@eddi 说真的，如果问题文本询问特定的包功能并且问题具有相应的标签，我们应该避免编写建议其他包的答案。举一个极端的例子：当然，您可以在评论中建议使用 python 可以更轻松地完成此操作，但答案应该是使用 R。

【解决方案2】：

正如 akrun 在 cmets 中指出的那样，您可以在 dplyr 中使用 do 执行此操作：

df %>% group_by(id) %>% do(data.frame(New=func(.)))

您也可以添加其他变量，但必须使用.$：

df %>% group_by(id) %>% do(data.frame(New=func(.), SmthElse = sd(.$diff)))
#  id        New  SmthElse
#1  A  0.1934552 1.0932424
#2  B -0.4161216 0.4841031

也就是说，更简单、更快的性能解决方案是使用data.table：

library(data.table)
dt = as.data.table(df) # or convert in place using setDT

dt[, .(New = func(.SD), SmthElse = sd(diff)), by = id]
#   id        New  SmthElse
#1:  A  0.1934552 1.0932424
#2:  B -0.4161216 0.4841031

【讨论】：