如何使用 group_by() / summarise() 快速创建多个汇总表？

Question

我有一个包含 N 个变量、M 个分类和 2 个数字的数据框。我想创建 M 个数据框，每个类别变量一个。

例如，

data %>%
group_by(var1) %>%
summarise(sumVar5 = sum(var5),
meanVar6 = mean(var6))

data %>%
group_by(varM) %>%
summarise(sumVar5 = sum(var5),
meanVar6 = mean(var6))

等等……

有没有办法遍历分类变量并生成每个汇总表？也就是说，不需要将上述块重复 M 次。

或者，这些汇总表不必是单独的对象，只要我可以轻松引用/提取每个 M 变量的汇总即可。

Answer 1

这是一个解决方案（我希望如此）。使用您拥有的公式创建数据框列表：

library(tidyverse)

# Create sample data frame
data <- data.frame(var1 = sample(1:2, 5, replace = T),
                   var2 = sample(1:2, 5, replace = T),
                   var3 = sample(1:2, 5, replace = T),
                   varM = sample(1:2, 5, replace = T),
                   var5 = rnorm(5, 3, 6),
                   var6 = rnorm(5, 3, 6))

# Vars to be grouped (var1 until varM in this example)
vars_to_be_used <- names(select(data, var1:varM))

# Function to be used
group_fun <- function(x, .df = data) {
  .df %>%
      group_by_(.x) %>%
      summarise(sumVar5  = sum(var5),
                meanVar6 = mean(var6))
  }

# Loop over vars
results <- map(vars_to_be_used, group_fun)

# Nice list names
names(results) <- vars_to_be_used

print(results)

Answer 2

您没有提供示例 data.set，因此我创建了一个小示例来展示它的工作原理。

data <- data_frame(var1 = rep(letters[1:5], 2),
                   var2 = rep(LETTERS[11:15], 2),
                   var3 = 1:10,
                   var4 = 11:20)

tidyverse 软件包的组合可以让您到达需要的地方。 使用的步骤：首先，我们将要分组的所有列收集在 cols 列中，并将数字变量分开。接下来，我们将 data.frame 拆分为 data.frames 列表，以便我们要分组的每一列都有自己的表，其中包含 2 个数字变量。现在所有内容都在列表中，我们需要使用 purrr 包中的 map 功能。使用 map，我们再次传播 data.frame，以便列名与我们预期的一样。最后使用 map 我们使用group_by_if 对字符列进行分组并总结其余部分。所有结果都存储在一个列表中，您可以在其中访问您需要的内容。

分段运行代码以查看每个步骤的作用。

library(dplyr)
library(purrr)
library(tidyr)

outcomes <- data %>% 
  gather(cols, value, -c(var3, var4)) %>% 
  split(.$cols) %>%
  map(~ spread(.x, cols, value)) %>% 
  map(~ group_by_if(.x, is.character) %>% 
        summarise(sumvar3 = sum(var3),
                  meanvar4 = mean(var4)))

outcomes

$`var1`
# A tibble: 5 x 3
  var1  sumvar3 meanvar4
  <chr>   <int>    <dbl>
1 a           7     13.5
2 b           9     14.5
3 c          11     15.5
4 d          13     16.5
5 e          15     17.5

$var2
# A tibble: 5 x 3
  var2  sumvar3 meanvar4
  <chr>   <int>    <dbl>
1 K           7     13.5
2 L           9     14.5
3 M          11     15.5
4 N          13     16.5
5 O          15     17.5