dplyr 摘要：等效于“.drop=FALSE”以保持输出中长度为零的组

Question

将summarise 与plyr 的ddply 函数一起使用时，默认情况下会删除空类别。您可以通过添加.drop = FALSE 来更改此行为。但是，这在使用 summarise 和 dplyr 时不起作用。还有其他方法可以在结果中保留空类别吗？

这是一个假数据的例子。

library(dplyr)

df = data.frame(a=rep(1:3,4), b=rep(1:2,6))

# Now add an extra level to df$b that has no corresponding value in df$a
df$b = factor(df$b, levels=1:3)

# Summarise with plyr, keeping categories with a count of zero
plyr::ddply(df, "b", summarise, count_a=length(a), .drop=FALSE)

  b    count_a
1 1    6
2 2    6
3 3    0

# Now try it with dplyr
df %.%
  group_by(b) %.%
  summarise(count_a=length(a), .drop=FALSE)

  b     count_a .drop
1 1     6       FALSE
2 2     6       FALSE

不完全是我所希望的。是否有dplyr 方法可以达到与plyr 中的.drop=FALSE 相同的结果？

Answer 1

问题仍然存在，但与此同时，特别是因为您的数据已经被考虑在内，您可以使用“tidyr”中的complete 来获取您可能要查找的内容：

library(tidyr)
df %>%
  group_by(b) %>%
  summarise(count_a=length(a)) %>%
  complete(b)
# Source: local data frame [3 x 2]
# 
#        b count_a
#   (fctr)   (int)
# 1      1       6
# 2      2       6
# 3      3      NA

如果您希望替换值为零，则需要使用fill 指定：

df %>%
  group_by(b) %>%
  summarise(count_a=length(a)) %>%
  complete(b, fill = list(count_a = 0))
# Source: local data frame [3 x 2]
# 
#        b count_a
#   (fctr)   (dbl)
# 1      1       6
# 2      2       6
# 3      3       0

Answer 2

由于 dplyr 0.8 group_by 获得了满足您要求的 .drop 参数：

df = data.frame(a=rep(1:3,4), b=rep(1:2,6))
df$b = factor(df$b, levels=1:3)

df %>%
  group_by(b, .drop=FALSE) %>%
  summarise(count_a=length(a))

#> # A tibble: 3 x 2
#>   b     count_a
#>   <fct>   <int>
#> 1 1           6
#> 2 2           6
#> 3 3           0

与@Moody_Mudskipper 的回答有关的一个附加说明：当一个或多个分组变量未编码为因子时，使用.drop=FALSE 可能会产生意想不到的结果。请参阅以下示例：

library(dplyr)
data(iris)

# Add an additional level to Species
iris$Species = factor(iris$Species, levels=c(levels(iris$Species), "empty_level"))

# Species is a factor and empty groups are included in the output
iris %>% group_by(Species, .drop=FALSE) %>% tally

#>   Species         n
#> 1 setosa         50
#> 2 versicolor     50
#> 3 virginica      50
#> 4 empty_level     0

# Add character column
iris$group2 = c(rep(c("A","B"), 50), rep(c("B","C"), each=25))

# Empty groups involving combinations of Species and group2 are not included in output
iris %>% group_by(Species, group2, .drop=FALSE) %>% tally

#>   Species     group2     n
#> 1 setosa      A         25
#> 2 setosa      B         25
#> 3 versicolor  A         25
#> 4 versicolor  B         25
#> 5 virginica   B         25
#> 6 virginica   C         25
#> 7 empty_level <NA>       0

# Turn group2 into a factor
iris$group2 = factor(iris$group2)

# Now all possible combinations of Species and group2 are included in the output, 
#  whether present in the data or not
iris %>% group_by(Species, group2, .drop=FALSE) %>% tally

#>    Species     group2     n
#>  1 setosa      A         25
#>  2 setosa      B         25
#>  3 setosa      C          0
#>  4 versicolor  A         25
#>  5 versicolor  B         25
#>  6 versicolor  C          0
#>  7 virginica   A          0
#>  8 virginica   B         25
#>  9 virginica   C         25
#> 10 empty_level A          0
#> 11 empty_level B          0
#> 12 empty_level C          0

Created on 2019-03-13 by the reprex package (v0.2.1)

Answer 3

dplyr 解决方案：

首先进行分组 df

by_b <- tbl_df(df) %>% group_by(b)

然后我们通过n() 计数来总结发生的那些级别

res <- by_b %>% summarise( count_a = n() )

然后我们将结果合并到一个包含所有因子水平的数据框中：

expanded_res <- left_join(expand.grid(b = levels(df$b)),res)

最后，在这种情况下，由于我们正在查看计数，因此 NA 的值将更改为 0。

final_counts <- expanded_res[is.na(expanded_res)] <- 0

这也可以在功能上实现，请参阅答案： Add rows to grouped data with dplyr?

破解：

为了感兴趣，我想我会发布一个 可怕的 hack，在这种情况下有效。我严重怀疑你是否真的应该这样做，但它显示了group_by() 如何生成属性，就好像df$b 是一个字符向量而不是级别的一个因素。另外，我不会假装正确理解这一点 - 但我希望这有助于我学习 - 这是我发布它的唯一原因！

by_b <- tbl_df(df) %>% group_by(b)

定义一个不能存在于数据集中的“越界”值。

oob_val <- nrow(by_b)+1

修改属性为“trick”summarise():

attr(by_b, "indices")[[3]] <- rep(NA,oob_val)
attr(by_b, "group_sizes")[3] <- 0
attr(by_b, "labels")[3,] <- 3

做总结：

res <- by_b %>% summarise(count_a = n())

索引并替换所有出现的 oob_val

res[res == oob_val] <- 0

它给出了预期的：

> res
Source: local data frame [3 x 2]

b count_a
1 1       6
2 2       6
3 3       0

Answer 4

这并不是问题中所问的，但至少对于这个简单的示例，您可以使用 xtabs 获得相同的结果，例如：

使用 dplyr：

df %>%
  xtabs(formula = ~ b) %>%
  as.data.frame()

或更短：

as.data.frame(xtabs( ~ b, df))

结果（两种情况相等）：

  b Freq
1 1    6
2 2    6
3 3    0