如何仅汇总表格的一部分？

Question

我有两个相关的用例，我需要总结表格的一部分，以类似于filter 的方式指定。

简而言之，我想要这样的东西：

iris %>%
    use_only(Species == 'setosa') %>%
    summarise_each(funs(sum), -Species) %>%
    mutate(Species = 'setosa_sum') %>%
    use_all()

要产生这个：

Source: local data frame [101 x 5]

   Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
1         250.3       171.4         73.1        12.3 setosa_sum
2           7.0         3.2          4.7         1.4 versicolor
3           6.4         3.2          4.5         1.5 versicolor
4           6.9         3.1          4.9         1.5 versicolor
5           5.5         2.3          4.0         1.3 versicolor
…

因此，我没有按列的值进行分组，而是使用过滤条件对表的视图进行操作，而 实际上不会丢失表的其余部分（与过滤器不同）。

如何智能实现use_only/use_all？ 更好的是，dplyr 中是否已经包含此功能，如何使用？

当然很容易生成上面的结果，但我需要为许多不同的情况做类似的事情，过滤条件复杂多变。

Answer 1

我通过让use_only 将表的其余部分保存到全局选项dplyr_use_only_rest 并让use_all 将其重新绑定在一起的方法来实现这一点。

use_only <- function(.data, ...) {
    if (!is.null(.data$.index)) {
        stop("data cannot already have .index column, would be overwritten")
    }
    filt <- .data %>%
        mutate(.index = row_number()) %>%
        filter(...)

    rest <- .data %>% slice(-filt$.index)
    options(dplyr_use_only_rest = rest)
    select(filt, -.index)
}

use_all <- function(.data, ...) {
    rest <- getOption("dplyr_use_only_rest")
    if (is.null(rest)) {
        stop("called use_all() without earlier use_only()")
    }
    options(dplyr_use_only_rest = NULL)
    bind_rows(.data, rest)
}

我认识到设置全局选项并不是函数式编程的理想设计，但我认为没有另一种方法可以确保数据帧的其余部分通过任何未触及的中间函数。向对象添加额外属性将无法在 do 或 summarize 等函数中保留。

此时，

iris %>%
    use_only(Species == 'setosa') %>%
    summarise_each(funs(sum), -Species) %>%
    mutate(Species = 'setosa_sum') %>%
    use_all()

根据需要返回：

   Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
1         250.3       171.4         73.1        12.3 setosa_sum
2           7.0         3.2          4.7         1.4 versicolor
3           6.4         3.2          4.5         1.5 versicolor
4           6.9         3.1          4.9         1.5 versicolor
5           5.5         2.3          4.0         1.3 versicolor
...

可以使用任何中间步骤来代替 summarize_each 和 mutate（do、filter 等），并且它们只会发生在指定的行上。您甚至可以添加或删除列（其余列将填写 NAs）。

Answer 2

我认为您搜索函数以满足特定语法的方法过于严格。这就是我使用data.table 会做的事情（我不确定dplyr 是否允许像这样的可变行，我知道它已经有一段时间了）：

library(data.table)
dt = as.data.table(iris)

dt[, if (Species == 'setosa') lapply(.SD, sum) else .SD, by = Species]
#        Species Sepal.Length Sepal.Width Petal.Length Petal.Width
#  1:     setosa        250.3       171.4         73.1        12.3
#  2: versicolor          7.0         3.2          4.7         1.4
#  3: versicolor          6.4         3.2          4.5         1.5
#  4: versicolor          6.9         3.1          4.9         1.5
#  5: versicolor          5.5         2.3          4.0         1.3
# ---                                                             

您也可以在末尾添加[Species == 'setosa', Species := 'setosa_sum']来修改名称。它应该很容易扩展到多个标准/任何功能。

Answer 3

您可以创建一个新列进行分组：

iris %>%
  mutate( group1 = ifelse(Species == "setosa", "", row_number()))  %>%
  group_by( group1, Species ) %>%
  summarise_each(funs(sum), -Species, -group1) %>%
  ungroup() %>%
  select(-group1)

更新 - 作为更通用的解决方案

library(lazyeval)

use_only_ <- function(x, condition, ...) {
  condition <- as.lazy(condition, parent.frame())
  mutate_(x, .group = condition) %>% 
    group_by_(".group", ...)
}

use_only <- function(x, condition, ...) {
  use_only_(x, lazy(condition), ...)
}

use_all <- function(x) {
  ungroup(x) %>%
    select(- .group)
}

在数据框和调用环境的上下文中使用use_only 与任何条件。在这种情况下：

iris %>%
  use_only( ifelse(Species == "setosa", "", row_number()), "Species") %>%
  summarise_each(funs(sum), -Species, -.group) %>%
  use_all()

use_only_ 可以与公式或字符串一起使用。例如：

condition <- ~ifelse(Species == "setosa", "", row_number())

或

condition <- "ifelse(Species == 'setosa' , "", row_number())"

然后调用：

iris %>%
  use_only_(condition, "Species") %>%
  summarise_each(funs(sum), -Species, -.group) %>%
  use_all()

当在 use_only 和 use_all 调用之间发生变异时，您必须注意仅更改标记组内的值。