tidyr 传播排序不一致

Question

我注意到tidyr(0.4.0) 在使用spread 时对值列进行排序，而tidyr(0.3.1) 按它们在gather 之前的顺序返回值列。

可重现的示例 1：

library(dplyr)
library(tidyr)
# tidyr 0.3.1

dat<-data.frame(name=rep(c("A","B"),5),sam.id=rep(c(1,2),5),
      frac=sample(c(0.05,0.1,0.2),10,replace=TRUE),
      Aspecies=rnorm(10),Bspecies=rnorm(10),Zspecies=rnorm(10))

我通过sam.id 和frac（测量样本的比例）聚合物种值，即倍数gather。

dt.agg.0.3.1 <- gather(dat,key,value,-name,-sam.id) %>% 
                group_by(name,key) %>% 
                summarise(Total=sum(value)) %>% spread(key,Total) %>%
                mutate(all=rowSums(.[,3:5]))

管道的最后一部分使用mutate 计算所有物种的简单总和。所以：

head(dt.agg.0.3.1)

Source: local data frame [2 x 6]

name  frac  Aspecies    Bspecies  Zspecies       all
(fctr) (dbl)     (dbl)       (dbl)     (dbl)     (dbl)
1      A  0.85 -2.675137 -0.03287276  1.016791 -1.858010
2      B  0.40  4.194904  1.50561762 -2.738543  6.100522

可重现的示例 2：

library(tidyr)
# 0.4.0

dt.agg.0.4.0 <- gather(dat,key,value,-name,-sam.id) %>%
                group_by(name,key) %>% 
                summarise(Total=sum(value)) %>% spread(key,Total)

head(dt.agg.0.4.0)

Source: local data frame [2 x 5]
Groups: name [2]

name  Aspecies    Bspecies  frac  Zspecies
(fctr)     (dbl)       (dbl) (dbl)     (dbl)
1      A -2.675137 -0.03287276  0.85  1.016791
2      B  4.194904  1.50561762  0.40 -2.738543

可以看到值列的顺序是如何改变的（按字母顺序），这使得使用 mutate 的额外数据管道步骤很麻烦。

dt.agg.0.4.0.mutated <- gather(dat,key,value,-name,-sam.id) %>%
                        group_by(name,key) %>% summarise(Total=sum(value)) %>%
                        spread(key,Total) %>% mutate(all=rowSums(.[,2:5]))

抛出错误；

Error: incompatible size (2), expecting 1 (the group size) or 1

有没有办法让tidyr(0.4.0) 到spread 按gather 的顺序退出？

或者必须gather（和summarise）两次——每个键值对一次？

Answer 1

我们可以在spread 和grep 需要用于rowSums (tidyr_0.4.0) 的列之后使用ungroup。

gather(dat, key, value, -name, sam.id) %>% 
           group_by(name, key) %>% 
           summarise(Total=sum(value)) %>%
           spread(key, Total) %>%
           ungroup() %>%
           mutate(all= rowSums(.[grep('species', names(.))]))
#     name Aspecies   Bspecies  frac sam.id Zspecies      all
#   (fctr)    (dbl)      (dbl) (dbl)  (dbl)    (dbl)    (dbl)
#1      A 5.795958 -0.4769954   0.4      5 3.965114 9.284077
#2      B 2.475395 -1.4858969   0.5     10 1.045175 2.034674

如果我们需要获取“key”列中出现的列顺序，那么我们可能需要将“key”转换为factor类并指定levels。在这种情况下，我们可以使用rowSums中的位置索引。

gather(dat,key,value,-name,-sam.id) %>% 
      mutate(key= factor(key, levels=unique(key))) %>% 
      group_by(name, key) %>%
      summarise(Total = sum(value)) %>% 
      spread(key, Total) %>% 
      ungroup() %>%
      mutate(all = rowSums(.[3:5]))
#Source: local data frame [2 x 6]

#    name  frac Aspecies   Bspecies Zspecies      all
#  (fctr) (dbl)    (dbl)      (dbl)    (dbl)    (dbl)
#1      A   0.4 5.795958 -0.4769954 3.965114 9.284077
#2      B   0.5 2.475395 -1.4858969 1.045175 2.034674

---

如果我们在spread 步骤之后查看str，即

res <- gather(dat, key, value, -name, sam.id) %>% 
                   group_by(name, key) %>% 
                   summarise(Total=sum(value)) %>% 
                   spread(key, Total)

str(res)
#Classes ‘grouped_df’, ‘tbl_df’, ‘tbl’ and 'data.frame': 2 obs. of  6 variables:
#...

class 之一是“grouped_df”，它以某种方式造成了问题。

str(res %>% ungroup)  
#Classes ‘tbl_df’, ‘tbl’ and 'data.frame':       2 obs. of  6 variables:

注意：这些值与 OP 的帖子不同，因为没有指定 set.seed。