试图理解 dplyr 函数 - group_by答案

【问题标题】：Trying to understand dplyr function - group_by试图理解 dplyr 函数 - group_by
【发布时间】：2017-09-05 02:04:33
【问题描述】：

我试图了解group_by 函数在dplyr 中的工作方式。我正在使用 datasets 包 link 附带的 airquality 数据集。

我知道如果我执行以下操作，它应该按照Temp变量的升序排列记录

airquality_max1 <- airquality %>% arrange(Temp)

我看到airquality_max1 就是这种情况。我现在想通过增加Temp 的顺序排列记录，但按Month 分组。所以最终结果应该首先包含Month == 5 的所有记录，按Temp 的递增顺序排列。那么它应该有Month == 6的所有记录以Temp的递增顺序等等，所以我使用以下命令

airquality_max2 <- airquality %>% group_by(Month) %>% arrange(Temp)

但是，我发现结果仍然仅按Temp 的递增顺序排列，而不是按Month 分组，即airquality_max1 和airquality_max2 是相等的。

我不确定为什么 Month 分组不会在 arrange 函数之前发生。谁能帮我理解我在这里做错了什么？

除了尝试按列对数据框进行排序的问题之外，我还试图了解group_by 的行为，因为我试图用它来向某人解释group_by 的应用。

【问题讨论】：

也许你还需要在arrange中添加Month参数。 airquality_max2 <- airquality %>% arrange(Month, Temp)
排序不是聚合，所以不用group_by...
我试图用这个作为一个迂腐的例子来展示group_by的应用，但偶然发现了这种行为。
How to sort a dataframe by column(s)?的可能重复

标签： r dplyr

【解决方案1】：

arrange 忽略 group_by，参见 dplyr 0.5.0 上的 break-changes。如果您需要按两列排序，您可以这样做：

airquality %>% arrange(Month, Temp)

对于分组数据框，也可以.by_group变量先按组变量排序。

airquality %>% group_by(Month) %>% arrange(Temp, .by_group = TRUE)

【讨论】：

感谢您的快速回答。该链接很有帮助，这种行为是违反直觉的，但只要它不再改变，就可以了。
airquality %>% group_by(Month) %>% arrange(Temp, .by_group = TRUE) 给我一个错误。 Error in arrange_impl(.data, dots) : incorrect size (1), expecting : 153 知道为什么吗？
你可能认为你需要按组变量排序，但通常你不需要，只要排序算法稳定（我相信他们是稳定的），你可以这样做group_by %>% arrange或arrange %>% group_by。 group_by 本身将按组变量对数据框进行排序。因此，即使您没有明确告诉它，您仍然可以通过组变量和排序变量对数据框进行排序。
@RonakShah 我不确定。它似乎在我的机器上运行良好。
@RonakShah - 我第一次遇到错误，再次运行它，它工作正常。