dplyr group_by 并汇总两个具有相同列名的 df答案

【问题标题】：dplyr group_by and summarize for two df's with same column namedplyr group_by 并汇总两个具有相同列名的 df
【发布时间】：2014-06-23 12:41:15
【问题描述】：

假设您有以下两个 data.frame：

set.seed(1)
x <- letters[1:10]
df1 <- data.frame(x)
z <- rnorm(20,100,10)
df2 <- data.frame(x,z)

（请注意，两个 dfs 都有一个名为“x”的列）

并且您想像这样总结 df1 中“x”组的 df2$z 的总和：

df1 %.%
  group_by(x) %.%
  summarize(
    z = sum(df2$z[df2$x == x]) 
   )

这会返回一个错误“invalid indextype integer”（已翻译）。

但是当我在两个 df 中的任何一个中更改列“x”的名称时，它可以工作：

df2 <- data.frame(x1 = x,z) #column is now named "x1", it would also work if the name was changed in df1

df1 %.%
   group_by(x) %.%
   summarize(
     z = sum(df2$z[df2$x1 == x]) 
   )

#   x        z
#1  a 208.8533
#2  b 205.7349
#3  c 185.4313
#4  d 193.8058
#5  e 214.5444
#6  f 191.3460
#7  g 204.7124
#8  h 216.8216
#9  i 213.9700
#10 j 202.8851

我可以想象在很多情况下，您有两个具有相同列名（如“ID”列）的 df，这可能是个问题，除非有简单的解决方法。

我错过了什么吗？对于此示例，可能还有其他方法可以获得相同的结果，但我有兴趣了解这在 dplyr 中是否可行（或者为什么不可行）。

（这两个 df 不一定需要具有与本示例中相同的唯一“x”值）

【问题讨论】：

@Arun 你能证明这在示例中是如何工作的吗？
@Arun 感谢您提供示例。这似乎是一个采用不同方法的好解决方案。我想知道是否可能存在其他情况（可能在汇总函数中更复杂），在这些情况下使用我的问题中指出的方法可能仍然非常有用（但现在我想不出一个很好的例子）
完成 (github.com/hadley/dplyr/issues/417)
我认为问题主要源于您拥有数据的方式。 dplyr 旨在作为处理“整洁”数据的工具，而您的不是。更好的方法是加入两个数据框（如 Arun 建议的那样）并处理新数据集。 Hadley 撰写的关于该主题的非常有趣的读物：vita.had.co.nz/papers/tidy-data.pdf‎

标签： r dataframe dplyr

【解决方案1】：

你可以试试：

df2%.%filter(x%in%df1$x)%.%group_by(x)%.%summarise(sum(z))

第

【讨论】：

【解决方案2】：

根据@beginneR 的评论，我猜它会是这样的：

inner_join(df1, df2) %.% group_by(x) %.% summarise(z=sum(z))

Joining by: "x"
Source: local data frame [10 x 2]

   x        z
1  a 208.8533
2  b 205.7349
3  c 185.4313
4  d 193.8058
5  e 214.5444
6  f 191.3460
7  g 204.7124
8  h 216.8216
9  i 213.9700
10 j 202.8851

【讨论】：