如何在新数据框中匹配两组因子水平？答案

【问题标题】：How can I match two sets of factor levels in a new data frame?如何在新数据框中匹配两组因子水平？
【发布时间】：2019-02-08 11:45:47
【问题描述】：

我有一个大数据框，我想导出一个新的数据框，其中包含基于 id 列的第一个汇总统计信息。

library(tidyverse)
set.seed(123) 
id = rep(c(letters[1:5]), 2)
species = c("dog","dog","cat","cat","bird","bird","cat","cat","bee","bee")
study = rep("UK",10)
freq = rpois(10, lambda=12)
df1 <- data.frame(id,species, freq,study)
df1$id<-sort(df1$id)
df1

df2 <- df1 %>% group_by(id) %>%
  summarise(meanFreq= mean(freq),minFreq=min(freq))
df2

我想将物种名称保留在带有摘要统计信息的新数据框中。但是如果我按 id 合并，我会得到多余的行。我应该每个 id 只有一行，但要附加物种名称。

df3<-merge(df2,df1,by = "id")

这应该是它的样子，但我的真实数据比这里整齐的设置更混乱：

df4 = df3[seq(1, nrow(df3), 2), ]
df4

【问题讨论】：

标签： r tidyr

【解决方案1】：

从汇总输出 ('df2') 中，我们可以加入所选原始数据列的 distinct 行

library(dplyr)
df2 %>% 
    left_join(df1 %>% 
                distinct(id, species, study), by = 'id')
# A tibble: 5 x 5
#  id    meanFreq minFreq species study
#  <fct>    <dbl>   <dbl> <fct>   <fct>
#1 a         10.5      10 dog     UK   
#2 b         14.5      12 cat     UK   
#3 c         14.5      12 bird    UK   
#4 d         10         7 cat     UK   
#5 e         11         6 bee     UK

或者使用与base R相同的逻辑

merge(df2,unique(df1[c(1:2, 4)]),by = "id", all.x = TRUE)

【讨论】：

【解决方案2】：

mutate 后跟 distinct 的时间：

df1 %>% group_by(id) %>%
  mutate(meanFreq = mean(freq), minFreq = min(freq)) %>%
  distinct(id, .keep_all = T)

现在实际上有两种可能性：id 和species 在您的df 中基本相同，一个只是另一个的标签，或者相同的 id 可以有多个物种。

如果是后者，您需要将最后一行替换为distinct(id, species, .keep_all = T)。

这会让你：

# A tibble: 5 x 6
# Groups:   id [5]
  id    species  freq study meanFreq minFreq
  <fct> <fct>   <int> <fct>    <dbl>   <dbl>
1 a     dog        10 UK        10.5      10
2 b     cat        17 UK        14.5      12
3 c     bird       12 UK        14.5      12
4 d     cat        13 UK        10         7
5 e     bee         6 UK        11         6

如果您的唯一目标是保留 species 并且它们确实与 id 相同，您也可以将其包含在 group_by 中：

df1 %>% group_by(id, species) %>%
      summarise(meanFreq = mean(freq), minFreq = min(freq))

这将删除 study 和 freq - 如果您需要保留它们，您可以再次将 summarise 替换为 mutate，然后将 distinct 替换为 .keep_all = T 参数。

【讨论】：