R summarise_if 更复杂的函数到多列答案

【问题标题】：R summarize_if more complex functions to multiple columnsR summarise_if 更复杂的函数到多列
【发布时间】：2020-08-30 14:02:40
【问题描述】：

您好，我正在寻找一个优雅的解决方案，理想地结合 dplyr&purr。

我将按 id 对数据进行分组，然后我有 4 个数字列，我想应用到所有这些列列求和函数。另外，我想根据 diff 列将条件总和应用于这 4 个数字列。

所以说具体一点，我想总结所有 4 列的总和，diff

我从这个开始但被卡住了

df%>%group_by(id)%>%summarise_if(is.numeric,.funs = (sum,~sum(.[diff<11])) 


    df<-structure(list(id = c(10274565, 10274449, 10274449, 10274449, 
10274565, 10274557, 10274557, 10274449, 10274565, 10274565, 10274565, 
10274557, 10274565, 10274557, 10274557, 10274557, 10274557, 10274557, 
10274557, 10274449, 10274449), d_amt = c(70L, 52L, 47L, 31L, 
100L, 17L, 74L, 54L, 83L, 90L, 76L, 98L, 73L, 49L, 81L, 82L, 
80L, 24L, 30L, 21L, 43L), d_cnt = c(3L, 4L, 3L, 3L, 5L, 3L, 1L, 
3L, 1L, 3L, 3L, 3L, 5L, 1L, 4L, 1L, 1L, 5L, 4L, 4L, 5L), w_amt = c(74L, 
16L, 20L, 73L, 22L, 11L, 61L, 90L, 78L, 94L, 64L, 58L, 84L, 15L, 
42L, 31L, 53L, 92L, 76L, 14L, 65L), w_cnt = c(4L, 5L, 1L, 1L, 
5L, 2L, 4L, 3L, 3L, 2L, 5L, 1L, 4L, 1L, 4L, 4L, 1L, 1L, 4L, 3L, 
1L), diff = structure(c(43, 30, 20, 16, 22, 57, 50, 40, 64, 51, 
50, 8, 88, 85, 79, 43, 28, 22, 17, 13, 3), class = "difftime", units = "days")), row.names = c(NA, 
-21L), class = c("tbl_df", "tbl", "data.frame"))

【问题讨论】：

标签： r tidyverse

【解决方案1】：

你可以试试：

library(dplyr)

df %>%
  group_by(id) %>%
  summarise(
    across(
      where(is.integer),
      list(below11 = ~ sum(.[diff < 11]),
           below21 = ~ sum(.[diff < 21]))
    )
  )

输出：

# A tibble: 3 x 9
        id d_amt_below11 d_amt_below21 d_cnt_below11 d_cnt_below21 w_amt_below11 w_amt_below21 w_cnt_below11 w_cnt_below21
     <dbl>         <int>         <int>         <int>         <int>         <int>         <int>         <int>         <int>
1 10274449            43           142             5            15            65           172             1             6
2 10274557            98           128             3             7            58           134             1             5
3 10274565             0             0             0             0             0             0             0             0

请注意，示例中的列似乎是 integer，因此是 is.integer 部分。

【讨论】：

【解决方案2】：

你可以使用：

library(dplyr)
df %>%
  group_by(id) %>%
  summarise(across(where(is.numeric), ~sum(.[diff < 11])))

#        id d_amt d_cnt w_amt w_cnt
#     <dbl> <int> <int> <int> <int>
#1 10274449    43     5    65     1
#2 10274557    98     3    58     1
#3 10274565     0     0     0     0

或者，如果您使用的是旧版本的dplyr：

df %>%
  group_by(id) %>%
  summarise_if(is.numeric, ~sum(.[diff < 11]))

【讨论】：

【解决方案3】：

您可以按diff 列分组，然后按组进行汇总：

library(dplyr)
df %>% 
  mutate(dif_cat = case_when(diff < 11 ~ "<11",
                             diff < 22 ~ "<22",
                             TRUE ~ ">=22")) %>% 
  group_by(id, dif_cat) %>% 
  summarise(across(where(is.numeric), ~sum(.)))


# A tibble: 7 x 6
# Groups:   id [3]
        id dif_cat d_amt d_cnt w_amt w_cnt
     <dbl> <chr>   <int> <int> <int> <int>
1 10274449 <11        43     5    65     1
2 10274449 <22        99    10   107     5
3 10274449 >=22      106     7   106     8
4 10274557 <11        98     3    58     1
5 10274557 <22        30     4    76     4
6 10274557 >=22      407    16   305    17
7 10274565 >=22      492    20   416    23

【讨论】：

其实这些范围是允许重叠的，所以它是 0 和 11 之间的差异，0 和 21 之间的差异......但这在其他情况下无论如何都是有用的