由 dplyr 总结和加入的 for 循环答案

【问题标题】：For-loop to summarize and joining by dplyr由 dplyr 总结和加入的 for 循环
【发布时间】：2020-02-11 04:01:04
【问题描述】：

这是我的简化df：

GP_A <- c(rep("a",3),rep("b",2),rep("c",2))
GP_B <- c(rep("d",2),rep("e",4),rep("f",1))
GENDER <- c(rep("M",4),rep("F",3))
LOC <- c(rep("HK",2),rep("UK",3),rep("JP",2))
SCORE <- c(50,70,80,20,30,80,90)
df <- as.data.frame(cbind(GP_A,GP_B,GENDER,LOC,SCORE))

> df

GP_A GP_B GENDER LOC SCORE
1    a    d      M  HK    50
2    a    d      M  HK    70
3    a    e      M  UK    80
4    b    e      M  UK    20
5    b    e      F  UK    30
6    c    e      F  JP    80
7    c    f      F  JP    90

我想按 GP_A、GP_B 或本示例中未显示的其他分组列来汇总分数。由于分组列数可能高达 50，因此我决定使用 for-loop 来汇总分数。

原来的方法是用1组一个一个的总结分数：

GP_A_SCORE <- df %>% group_by(GP_A,GENDER,LOC) %>% summarize(SCORE=mean(SCORE))
GP_B_SCORE <- df %>% group_by(GP_B,GENDER,LOC) %>% summarize(SCORE=mean(SCORE))
...

我想要的是使用这样的 for 循环（无法运行）：

GP_list <- c("GP_A","GP_B",...)
LOC_list <- c("HK","UK","JP",...)
SCORE <- list()
for (i in GP_list){
    for (j in LOC_list){
SCORE[[paste0(i,j)]] <- df %>% group_by(i,j,GENDER) %>% summarize(SCORE=mean(SCORE))
}}

和“group_by()”一样，变量被分类为字符，这里显示错误：

错误：I、J 列未知

有什么方法可以强制R识别变量吗？

我在 dplyr 的 left_join 上遇到了同样的问题。

当我在循环中执行以下操作时显示错误：left_join(x,y,by=c(i=i))。

【问题讨论】：

标签： r dplyr

【解决方案1】：

你可以得到长格式的数据，然后计算mean

library(dplyr)
library(tidyr)

df %>%
  pivot_longer(cols = starts_with('GP')) %>%
  group_by(GENDER ,LOC, name, value) %>%
  summarise(SCORE = mean(SCORE))

#   GENDER LOC   name  value SCORE
#   <fct>  <fct> <chr> <fct> <dbl>
# 1 F      JP    GP_A  c        85
# 2 F      JP    GP_B  e        80
# 3 F      JP    GP_B  f        90
# 4 F      UK    GP_A  b        30
# 5 F      UK    GP_B  e        30
# 6 M      HK    GP_A  a        60
# 7 M      HK    GP_B  d        60
# 8 M      UK    GP_A  a        80
# 9 M      UK    GP_A  b        20
#10 M      UK    GP_B  e        50

【讨论】：

【解决方案2】：

我们可以从data.table使用melt

library(data.table)
melt(setDT(df), measure = patterns("^GP"))[, .(SCORE = mean(SCORE)),
      .(GENDER, LOC, variable, value)]

数据

df <- data.frame(GP_A,GP_B,GENDER,LOC,SCORE)

【讨论】：