Dplyr 给出错误的结果答案

【问题标题】：Dplyr giving wrong resultsDplyr 给出错误的结果
【发布时间】：2019-02-06 18:28:28
【问题描述】：

我正在使用 dplyr 来汇总数据集，但它给出了错误的结果。我的代码是 bekow :-

Raw_Grp<-Raw_data%>%dplyr::group_by(as.character(Raw_data$Gardu))
                  `%>%dplyr::summarize(Avg=mean(Raw_data$Age))

下面是字符串：-

data.frame':    3016 obs. of  2 variables:
 $ Kecamatan: chr  "CENGKARENG" "CENGKARENG" "CENGKARENG" "CENGKARENG" ...
 $ Age      : num  377 370 352 313 299 291 260 223 207 200 ...

理想情况下，我应该按组值获取，但我得到的总平均值显示在所有不同的组中。我已经搜索并尝试了最大的可能性，例如创建 data.table 但结果相同。如果我在 excel 或其他收费中检查组，它会给出完美的结果。请帮忙

【问题讨论】：

去掉group_by和summarize里面的Raw_data$ 就是Raw_data %>% group_by(Gardu) %>% summarise(Avg = mean(Age))
嗨，太棒了！它按预期工作。非常感谢！！在这里被困了1.5天。如果有解释，那将是很好的理解。我的编程处于 R 的基础阶段。再次感谢！
dplyr 使用所谓的“引用函数”，这意味着您不会像最初尝试使用 as.character 那样将列名作为字符串提供，而是像常规文本和函数一样为您报价，因此group_by(Gardu)。要了解 dplyr 和 tidyverse 中的其他包，我建议至少阅读 R for Data Science 的几章：r4ds.had.co.nz

标签： r dplyr mean

【解决方案1】：

当我们使用Raw_data$columnname 时，它会提取破坏group_by 条件的整个列。因此，语法将只是感兴趣列的列名

library(dplyr)
Raw_data %>% 
     group_by(Gardu) %>% 
     summarise(Avg = mean(Age))

但是，有时我们需要整列。例如，如果我们想检查 'Gardu' 中有多少 'Age' 元素小于整个 'Age' 列值

Raw_data %>%
    group_by(Gardu) %>%
    summarise(n = sum(Age < .$Age))

数据

Raw_data <- structure(list(Gardu = structure(c(1L, 1L, 1L, 1L, 1L, 2L, 2L, 
 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L), .Label = c("a", "b", "c"), class = "factor"), 
Age = c(21L, 19L, 38L, 31L, 37L, 47L, 21L, 41L, 42L, 20L, 
34L, 25L, 37L, 37L, 23L)), class = "data.frame", row.names = c(NA, 
-15L))

【讨论】：

在逻辑表达式中使用“整个‘年龄’列’是什么意思？你的意思是“平均（.$Avg）”
@42- 这只是一个显示表达式的示例，该表达式计算小于按“Gardu”分组的整个列中的值的数量。可以通过其他方式完成。
问题是我认为它会抛出一个错误，但也许你已经测试过它并且它确实有意义？
我也对你的 Age < .$Age 示例感到困惑 - 似乎 Age 会被回收，我不知道结果会有什么意义。
@Gregor 这不会给出与sapply(split(Raw_data$Age, Raw_data$Gardu), function(x) sum(x < Raw_data$Age)) 相同的输出吗？基本上，该示例是为了展示他们想要提取整列进行某种比较的情况