汇总不同列后表中缺少日期答案

【问题标题】：Date missing in table after summarizing different column汇总不同列后表中缺少日期
【发布时间】：2019-11-19 15:06:50
【问题描述】：

在 RStudio 中，我有以下代码：

install(ggplot2)
install(dplyr)
Data is *gapminder_data.csv*

*str(gapminder_data.csv)*
'data.frame':   1704 obs. of  6 variables:
 $ country  : Factor w/ 142 levels "Afghanistan",..: 1 1 1 1 1 1 1 1 1 1 ...
 $ year     : int  1952 1957 1962 1967 1972 1977 1982 1987 1992 1997 ...
 $ pop      : num  8425333 9240934 10267083 11537966 13079460 ...
 $ continent: Factor w/ 5 levels "Africa","Americas",..: 3 3 3 3 3 3 3 3 3 3 ...
 $ lifeExp  : num  28.8 30.3 32 34 36.1 ...
 $ gdpPercap: num  779 821 853 836 740 ...

当我执行以下代码时：

gapminder_data.csv  %>% 
  group_by(country) %>%
  summarize(min(gdpPercap), max(gdpPercap))

有效：

# A tibble: 142 x 3
   country     `min(gdpPercap)` `max(gdpPercap)`
   <fct>                  <dbl>            <dbl>
 1 Afghanistan             635.             978.
 2 Albania                1601.            5937.
 3 Algeria                2449.            6223.
 4 Angola                 2277.            5523.
 5 Argentina              5911.           12779.
 6 Australia             10040.           34435.
 7 Austria                6137.           36126.
 8 Bahrain                9867.           29796.
 9 Bangladesh              630.            1391.
10 Belgium                8343.           33693.

但是，我错过了值的相应年份：

min(gdpPercap)   max(gdpPercap)

我该如何解决？感谢您的帮助。

【问题讨论】：

我不完全理解这个问题，因为你没有做任何可以识别相应年份的事情。您的措辞好像应该跟踪具有最小和最大 GDP 的年份，但它们不会
当您分组然后汇总时，它会删除该分组未使用的列并汇总。在这种情况下，由于您没有在您的组或汇总中包含年份列，因此它将它们从您的数据集中删除。我会尝试gapminder_data.csv %>% group_by(country, year) %>% summarize(min(gdpPercap), max(gdpPercap))
@HanselPalencia ，我认为这不是 OP 想要的 - 他们想要 gdppercap 为最小值/最大值的年份的值。 year[gdpPercap==min(gdpPercap) 之类的东西（虽然我不确定这是否适用于汇总 - 可能需要单独的 left_join）。
您好，感谢大家的快速答复。如果我在 group_by 中添加“年份” - 这也是我的第一个想法 - 结果是：1 阿富汗 1952 779. 779. 2 阿富汗 1957 821. 821. 3 阿富汗 1962 853. 853. 等等...我想要 1 分钟& 每个国家最多 1 个。缺少这些值的年份。

标签： r date dplyr missing-data

【解决方案1】：

这能满足你的需要吗？

mins <- gapminder_data.csv %>%
  arrange(gdpPercap) %>%
  group_by(country) %>%
  slice(1) %>%
  ungroup()
maxs <- gapminder_data.csv %>%
  arrange(desc(gdpPercap)) %>%
  group_by(country) %>%
  slice(1) %>%
  ungroup()

left_join(
  select(mins, country, minyear=year, mingdp=gdpPercap), 
  select(maxs, country, maxyear=year, maxgdp=gdpPercap),
  by = "country")
# # A tibble: 142 x 5
#    country     minyear mingdp maxyear maxgdp
#    <chr>         <dbl>  <dbl>   <dbl>  <dbl>
#  1 Afghanistan    1997   635.    1982   978.
#  2 Albania        1952  1601.    2007  5937.
#  3 Algeria        1952  2449.    2007  6223.
#  4 Angola         1997  2277.    1967  5523.
#  5 Argentina      1952  5911.    2007 12779.
#  6 Australia      1952 10040.    2007 34435.
#  7 Austria        1952  6137.    2007 36126.
#  8 Bahrain        1952  9867.    2007 29796.
#  9 Bangladesh     1972   630.    2007  1391.
# 10 Belgium        1952  8343.    2007 33693.
# # ... with 132 more rows

【讨论】：

【解决方案2】：

我们可以很容易地用一个支点来做到这一点。由于您没有发布我们可以复制和粘贴的结构（总是有帮助的！），我制作了一个小样本小标题，但它应该适用于您更大的集合。按国家分组后，制作一列来指定最大和最小行。我们不想要那些也不是的，所以放弃那些并最终传播这些值，以使每个国家的最大值和最小值都有一个广泛的标题。通常，最好在 R 中使用整洁（长格式）的 tibbles（它在枢轴之前的状态），但如果需要，您可以通过使用 pivot_longer 轻松回到那里。

tibble(
  country = rep("Afghanistan",4),
  year = seq(from = 1952, to = 1955),
  gdpPercap = c(779, 821, 853, 836)
) %>% 
  group_by(country) %>% 
  mutate(
    type = case_when(
      gdpPercap == max(gdpPercap) ~ "max",
      gdpPercap == min(gdpPercap) ~ "min"
    )
  ) %>% 
  drop_na() %>% 
  pivot_wider(
    id_cols = country,
    names_from = type,
    values_from = c(year, gdpPercap)
  )

产生：

# A tibble: 1 x 5
# Groups:   country [1]
  country     year_min year_max gdpPercap_min gdpPercap_max
  <chr>          <int>    <int>         <dbl>         <dbl>
1 Afghanistan     1952     1954           779           853

【讨论】：

您好，GenesRus，您的解决方案强制先验地选择一个国家，例如“阿富汗”。这是部分解决方案。感谢您的努力。马尔克利