重新格式化 dplyr summarise_at() 输出答案

【问题标题】：reformatting dplyr summarise_at() output重新格式化 dplyr summarise_at() 输出
【发布时间】：2019-03-18 04:36:34
【问题描述】：

我正在使用summarise_at()按组获取多个变量的均值和标准误差。

每个组的输出有 1 行，每个计算的数量有 1 列。我想要一个表格，每个变量有 1 行，每个计算量有 1 列：

data <- mtcars 

data$condition <- as.factor(c(rep("control", 16), rep("treat", 16))) 

data %>%  
group_by(condition) %>%
summarise_at(vars(mpg, cyl, wt), 
             funs(mean = mean, se=sd(.)/sqrt(n())))

# A tibble: 2 x 7
    condition mpg_mean cyl_mean wt_mean mpg_se cyl_se wt_se
    <fct>        <dbl>    <dbl>   <dbl>  <dbl>  <dbl> <dbl>        
  1 control       18.2     6.5     3.56   1.04  0.387 0.204
  2 treat         22.0     5.88    2.87   1.77  0.499 0.257

以下是我认为更有用的（数字没有意义）：

#        MEAN.control, MEAN.treat, SE.control, SE.treat
# mpg         1.5          2.4         .30       .45             
# cyl         3.2          1.9         .20       .60  
# disp        12.3         17.8        .20       .19

有什么想法吗？ tidyverse 的新手，如果这太基本了，请见谅。

【问题讨论】：

标签： r dplyr

【解决方案1】：

funs 在dplyr 中被弃用。而是在summarise_at/mutate_at 中使用list。在summarise 步骤之后，gather 将数据转换为“long”格式，separate 将“key”列通过分隔符 _ 拆分为两列，然后将 unite“cond”和“key2”（更改'key2'的大小写后），spread它为'wide'格式，如果需要，使用列'key1'更改行名

library(tidyverse)
data %>% 
   group_by(condition) %>%
   summarise_at(vars(mpg, cyl, wt), list(MEAN = ~ mean(.), 
                                    SE = ~sd(.)/sqrt(n()))) %>% 
   gather(key, val, -condition) %>% 
   separate(key, into = c("key1", "key2")) %>%        
   unite(cond, key2, condition, sep=".") %>% 
   spread(cond, val) %>%
   column_to_rownames('key1')
#    MEAN.control MEAN.treat SE.control  SE.treat
#cyl     6.500000   5.875000  0.3872983 0.4989572
#mpg    18.200000  21.981250  1.0369024 1.7720332
#wt      3.560875   2.873625  0.2044885 0.2571034

【讨论】：

很好奇，为什么funs改成了list？！
@NelsonGon 我发现了一个未解决的问题here，但没有提到原因
谢谢！！我也根据您的评论更新了示例。我很感激。
@BrianGuay 感谢您的更新。但是，我看到价值观不同。这是预期的输出吗

【解决方案2】：

另一种可能是：

data %>%  
 group_by(condition) %>%
 summarise_at(vars(mpg, cyl, wt), list(mean = ~ mean(.), 
                                       se = ~ sd(.)/sqrt(n()))) %>% 
 gather(var, val, -condition) %>%
 separate(var, c("vars", "var2")) %>%
 mutate(var2 = paste(toupper(var2), as.character(condition), sep = "_")) %>%
 select(-condition) %>%
 spread(var2, val)

  vars  MEAN_control MEAN_treat SE_control SE_treat
  <chr>        <dbl>      <dbl>      <dbl>    <dbl>
1 cyl           6.5        5.88      0.387    0.499
2 mpg          18.2       22.0       1.04     1.77 
3 wt            3.56       2.87      0.204    0.257

在这里，在您执行初始步骤之后，它会执行从宽到长的数据转换，不包括“条件”列。其次，它将变量名称分成两列。第三，它结合了度量和条件，度量是大写的。最后，它会删除多余的变量并将其返回到所需的格式。

或者你可以通过使用一些正则表达式来避免separate()：

data %>%  
 group_by(condition) %>%
 summarise_at(vars(mpg, cyl, wt), list(mean = ~ mean(.), 
                                       se = ~ sd(.)/sqrt(n()))) %>% 
 gather(var, val, -condition) %>%
 mutate(vars = gsub("_.*$", "", var),
        var2 = gsub(".*\\_", "", var)) %>%
 mutate(var2 = paste(toupper(var2), as.character(condition), sep = "_")) %>%
 select(-condition, -var) %>%
 spread(var2, val)

或者strsplit():

data %>%  
 group_by(condition) %>%
 summarise_at(vars(mpg, cyl, wt), list(mean = ~ mean(.), 
                                       se = ~ sd(.)/sqrt(n()))) %>% 
 gather(var, val, -condition) %>%
 mutate(vars = sapply(strsplit(var, "_"), function(x) x[1]),
        var2 = sapply(strsplit(var, "_"), function(x) x[2])) %>%
 mutate(var2 = paste(toupper(var2), as.character(condition), sep = "_")) %>%
 select(-condition, -var) %>%
 spread(var2, val)

或者你可以完全重写为：

data %>%
 select(mpg, cyl, wt, condition) %>%
 gather(vars, val, -condition) %>%
 group_by(condition, vars) %>%
 summarise(mean = mean(val),
           se = sd(val)/sqrt(n())) %>%
 ungroup() %>%
 gather(var2, val, -c(condition, vars)) %>%
 mutate(var2 = paste(toupper(var2), condition, sep = "_")) %>%
 select(-condition) %>%
 spread(var2, val)

在这种情况下，它首先选择感兴趣的变量。其次，它执行从宽格式到长格式的转换，不包括“条件”列。第三，它按条件和变量名称分组并计算指标。在第四步中，它执行第二次从宽到长的转换，不包括“条件”列和具有初始变量名称的列。最后，它将度量（大写）和条件组合在一起，删除冗余变量并将其返回为所需的格式。

【讨论】：