计算组意味着在 dplyr 和 data.table 中没有观察的类别

Question

我有一个包含数值变量和分组变量的数据集，并且想要计算组均值。有些组是空的，即有一些因子水平没有出现在数据中。在计算分组平均值时，我希望将这些空组与非空组一起列出。使用 base R 很容易实现：

# Create an example of a data frame where variable1 is numeric and variable2 is a
# factor with three levels, two of which appear in the data:
df <- data.frame(variable1 = c(1,2,3,4), variable2 = factor(c("A","B","A","B")))
levels(df$variable2) <- c(levels(df$variable2), "C")

# Base R
tapply(df$variable1, df$variable2, mean)

渲染输出

A  B  C 
2  3 NA 

这就是我要找的。​​p>

但是，由于各种原因，我需要使用 dplyr 或 data.table 来代替。问题是两者都跳过了摘要中的空白级别：

library(dplyr)
df %>% group_by(variable2) %>%
  summarise(var1Mean = mean(variable1))

产量

# A tibble: 2 x 2
  variable2 var1Mean
  <fct>        <dbl>
1 A                2
2 B                3

和

library(data.table)
df <- as.data.table(df)
df[, mean(variable1), variable2]

产量

   variable2 V1
1:         A  2
2:         B  3

有没有办法让这些包中的任何一个在摘要中包含空组？

Answer 1

您可以在group_by 中指定.drop = FALSE 以保留空组。

library(dplyr)

df %>%  
 group_by(variable2, .drop = FALSE) %>% 
 summarise(var1Mean = mean(variable1))

# A tibble: 3 x 2
#  variable2 var1Mean
#  <fct>        <dbl>
#1 A                2
#2 B                3
#3 C              NaN

Answer 2

您可以在data.table 中执行此操作

df[.(variable2 = levels(variable2)), on = 'variable2',
   mean(variable1), by = variable2]
#    variable2 V1
# 1:         A  2
# 2:         B  3
# 3:      <NA> NA

如果df 由variable2 键入，则稍微干净一些：

setkey(df, variable2)
df[.(levels(variable2)), mean(variable1), by = variable2]