Dplyr/tidyverse：rename_at `.funs` 必须包含一个重命名函数，而不是 4 个

Question

我有以下测试数据：

library(tidyverse)

df <- tibble(
  g1 = c(1, 1, 2, 2, 2),
  g2 = c(a, a, a, b, b),
  a = sample(5),
  b = sample(5)
)

我想编写一个函数，用平均值汇总分组列，我希望我可以让结果列以“mean_”为前缀

my_summarise1 <- function(df, group_var, summarise_var) {
df %>%
  group_by_at(.vars = group_var) %>%
  summarise_at(.vars = summarise_var, .funs= mean) %>% 
  rename_at(.vars= summarise_var, .funs=paste('mean_', .))
}

没有 rename_at 行它可以正常工作，但它会引发错误：

my_summarise1(df, vars(g1,g2),vars(a,b))

R 以

响应

 Error: `.funs` must contain one renaming function, not 4 

我应该如何有效地为新列名添加前缀？

小问题：是否可以避免 vars() 或在参数周围加引号 调用函数时的列名？

知道这两个小东西会大大增强我的代码，在此先感谢大家的帮助。

Answer 1

如果你想走简单的路线，可以使用dplyr给汇总列加后缀的方式：

my_summarise1 <- function(df, group_var, summarise_var) {
  df %>%
    group_by_at(.vars = group_var) %>%
    summarise_at(.vars = summarise_var, funs(mean=mean)) 
}


my_summarise1(df, vars(g1,g2), vars(a,b))

# A tibble: 3 x 4
# Groups:   g1 [?]
     g1 g2    a_mean b_mean
  <dbl> <chr>  <dbl>  <dbl>
1    1. a       3.50   4.50
2    2. a       4.00   1.00
3    2. b       2.00   2.50

在这种情况下，funs(mean=mean) 告诉 dplyr 使用后缀 mean 并应用函数 mean。为清楚起见，您可以使用 funs(mysuffix = mean) 来使用任何不同的后缀并应用 mean 函数。

---

Re OP 在评论中的问题：您可以使用以下修改，在调用函数时不需要使用vars。

my_summarise2 <- function(df, group_var, summarise_var) {
  df %>%
    group_by_at(.vars = group_var) %>%
    summarise_at(.vars = summarise_var, funs(mean=mean))
}

my_summarise2(df, c("g1","g2"), c("a","b"))

Answer 2

虽然@docendodiscimus 之前的回答更简洁，但就其价值而言，您的代码存在两个问题：

1. 您需要将paste（更好的是：paste0）函数包装在funs 中。
2. 您需要在重命名之前ungroup（参见例如this post）。

您的代码的工作版本如下所示：

my_summarise1 <- function(df, group_var, summarise_var) {
    df %>%
        group_by_at(group_var) %>%
        summarise_at(summarise_var, mean) %>%
        ungroup() %>%
        rename_at(summarise_var, funs(paste0('mean_', .)))
}

my_summarise1(df, vars(g1, g2), vars(a, b))
## A tibble: 3 x 4
#     g1 g2    mean_a mean_b
#  <dbl> <chr>  <dbl>  <dbl>
#1    1. a       2.50   2.50
#2    2. a       4.00   5.00
#3    2. b       3.00   2.50