在 R 中的 dplyr 管道中迭代总结答案

【问题标题】：Iteratively summarise within a dplyr pipeline in R在 R 中的 dplyr 管道中迭代总结
【发布时间】：2021-02-22 07:03:00
【问题描述】：

考虑R 中的以下简单dplyr 管道：

df <- data.frame(group = rep(LETTERS[1:3],each=5), value = rnorm(15)) %>% 
  group_by(group) %>% 
  mutate(rank = rank(value, ties.method = 'min'))

df %>%
  group_by(group) %>% 
  summarise(mean_1 = mean(value[rank <= 1]),
            mean_2 = mean(value[rank <= 2]),
            mean_3 = mean(value[rank <= 3]),
            mean_4 = mean(value[rank <= 4]),
            mean_5 = mean(value[rank <= 5]))

如何避免为所有i 输入mean_i = mean(value[rank <= i]) 而不会返回到group 和i 的循环？具体来说，有没有一种巧妙的方法来使用dplyr::summarise 函数迭代创建变量？

【问题讨论】：

标签： r dplyr iteration summarize

【解决方案1】：

您实际上是计算累积平均值。 dplyr 中有一个函数cummean，我们可以在这里使用它并将数据转换为宽格式。

library(tidyverse)

df %>%
  arrange(group, rank) %>%
  group_by(group) %>%
  mutate(value = cummean(value)) %>%
  pivot_wider(names_from = rank, values_from = value, names_prefix = 'mean_')

#  group mean_1 mean_2  mean_3  mean_4  mean_5
#  <chr>  <dbl>  <dbl>   <dbl>   <dbl>   <dbl>
#1 A     -0.560 -0.395 -0.240  -0.148   0.194 
#2 B     -1.27  -0.976 -0.799  -0.484  -0.0443
#3 C     -0.556 -0.223 -0.0284  0.0789  0.308

如果您要求通用解决方案并且计算累积平均值只是一个示例，那么您可以使用map。

n <- max(df$rank)

map(seq_len(n), ~df %>%
                  group_by(group) %>%
                  summarise(!!paste0('mean_', .x):= mean(value[rank <= .x]))) %>%
  reduce(inner_join, by = 'group')

数据

set.seed(123)
df <- data.frame(group = rep(LETTERS[1:3],each=5), value = rnorm(15)) %>% 
  group_by(group) %>% 
  mutate(rank = rank(value, ties.method = 'min'))

【讨论】：