如何根据主数据框中的选定特征生成动态汇总表

Question

您好，我有一个数据框，它是聚类的结果。示例如下：

        ave_remark_best ave_price_per_sqft    ave_age    ave_DOM ave_activity_rate cluster
1006332      1.00000000          1419.6900 12.0000000   7.000000         1.0000000       3
1010660      1.00000000           912.1800  7.0000000  10.000000         1.0000000       3
1012960      0.00000000           600.7400 26.3000000  36.100000         1.6666667       2
1013515      0.25000000           673.8725  9.7500000  10.500000         0.6666667       4
1014490      0.00000000           439.4600 31.0000000 104.000000         1.0000000       2
1018326      0.00000000           922.5500 12.0000000  10.000000         1.0000000       4
1018446      0.25000000           717.8285 16.0375000  30.387500        10.0000000       1

为了检查结果集群，我希望有一个函数来为每个集群创建所有这些特征的汇总表，所以我运行了如下所示的代码：

cluster_summary <- agent_temp %>% group_by(cluster) %>% summarise(n=n(),
                                                                  ave_activity_rate_c=mean(ave_activity_rate),
                                                                  ave_DOM_c =mean(ave_DOM),
                                                                  ave_age_c=mean(ave_age),
                                                                  ave_remark_best_c=mean(ave_remark_best),
                                                                  ave_price_per_sqft_c= mean(ave_price_per_sqft))

所以除了n，这个表中的每一个特征的名字都以variable+"_c"结尾。

现在我想通过使用一个函数来自动化这个过程；但是，我不确定如何使这个函数动态，以便它根据可用列自动生成列。所以基本上，如果主数据框现在如下所示：

        ave_remark_best ave_price_per_sqft    ave_age   cluster
1006332      1.00000000          1419.6900 12.0000000     3
1010660      1.00000000           912.1800  7.0000000     3
1012960      0.00000000           600.7400 26.3000000     2
1013515      0.25000000           673.8725  9.7500000     4
1014490      0.00000000           439.4600 31.0000000     2
1018326      0.00000000           922.5500 12.0000000     4
1018446      0.25000000           717.8285 16.0375000     1

所以它只生成一个包含 n、ave_remark_best、ave_price_per_sqft、ave_age 的汇总表。 我该怎么做？

所以基本上，我的主要挑战是如何找到主数据框中存在哪些列，所以我通过这些列group_by 并创建摘要。

当然，函数应该是这样开始的：

cluster_summary_generator <- function (agent_sel, kout){
 
  agent_temp<-agent_sel                      
  agent_temp$cluster <- as.factor(kout$cluster)
  cluster_summary <- agent_temp %>% group_by(cluster) %>% .......
}

但我不知道如何完成这个

Answer 1

我们可以使用ensym 转换为符号并进行评估。既可以不带引号也可以带引号

cluster_summary_generator <- function (agent_sel, cl){
 agent_sel %>% 
    group_by(!! rlang::ensym(cl)) %>% 
     summarise(across(.fns = mean, na.rm = TRUE))
 }

cluster_summary_generator(df, cluster)
cluster_summary_generator(df, "cluster")

Answer 2

如果集群列总是被称为cluster，你可以使用：

library(dplyr)
cluster_summary_generator <- function (agent_sel){
  agent_sel %>% 
    group_by(cluster) %>% 
    summarise(across(.fns = mean, na.rm = TRUE))
}

cluster_summary_generator(df)

如果集群列可以跨数据集更改，您可以将其作为参数传递给函数。

cluster_summary_generator <- function (agent_sel, cl){
  agent_sel %>% 
    group_by({{cl}}) %>% 
    summarise(across(.fns = mean, na.rm = TRUE))
}

cluster_summary_generator(df, cluster)

这将返回每个 cluster 的数据框中每一列的平均值，而与列数无关。