dplyr根据是否在组中进行总结
我正在寻找一种方法来制作一个汇总表，将R中某个因子的每个级别的值与该因子的所有其他级别的值进行比较。iris数据集的一个例子——我想将setosa与所有其他数据集（即，VersionColor和virginica）进行比较，然后将VersionColor与其他数据集（setosa和virginica）进行比较，最后将virignica与其他数据集（VersionColor和setosa）进行比较。在我的实际数据集中，我有许多组，所以我不想硬编码每个级别。如果可能的话，我正在寻找一个整洁的解决方案。我想要的结果是一个汇总表，如下所示：dplyr根据是否在组中进行总结,r,dplyr,tidyverse,R,Dplyr,Tidyverse,我正在寻找一种方法来制作一个汇总表，将R中某个因子的每个级别的值与该因子的所有其他级别的值进行比较。iris数据集的一个例子——我想将setosa与所有其他数据集（即，VersionColor和virginica）进行比较，然后将VersionColor与其他数据集（setosa和virginica）进行比较，最后将virignica与其他数据集（VersionColor和setosa）进行比较。在我的实际数据集中，我有许多组，所以我不想硬编码每个级别。如果可能的话，我正在寻找一个整洁的解决方案
这里，“in group”中的“yes”是指该组中的物种（因此对于setosa，它将仅是setosa），而“no”是指不在该组中的物种（因此对于setosa，它将是杂色和维吉尼亚的组合）。在下面的代码中，我们使用
map物种的每个级别分别进行操作。对于每个迭代，我们在.group，标记一行是否是给定物种的成员。然后，我们按组返回所有数值列的平均值：
库（tidyverse）
唯一（如字符（虹膜$物种））%>%
设置_名称（）%>%
地图(
~iris%>%
分组依据（in.group=物种==.x）%>%
总结（跨越（其中（是数字）、平均值、.names=“平均值”{col}”），
.id=“物种”
)
#>#tibble:6 x 6
#>组中物种平均萼片长度平均萼片宽度平均花瓣长度
#>
#>1 setosa FALSE 6.26 2.87 4.91
#>2 setosa TRUE 5.01 3.43 1.46
#>3彩色假5.80 3.20 3.51
#>4彩色真5.94 2.77 4.26
#>5弗吉尼亚假5.47 3.10 2.86
#>6弗吉尼亚州真6.59 2.97 5.55
#>#…还有一个变量：mean_Petal.Width
您还可以将以下内容添加到链中，以使输出更加经济：
mutate(Species = case_when(in.group ~ Species,
!in.group ~ paste("not", Species))) %>%
select(-in.group)
其中：
Species mean_Sepal.Length mean_Sepal.Width mean_Petal.Length mean_Petal.Width
1 not setosa 6.26 2.87 4.91 1.68
2 setosa 5.01 3.43 1.46 0.246
3 not versicolor 5.80 3.20 3.51 1.14
4 versicolor 5.94 2.77 4.26 1.33
5 not virginica 5.47 3.10 2.86 0.786
6 virginica 6.59 2.97 5.55 2.03
您可以将其打包为函数：
compare.groups = function(data, group) {
group = ensym(group)
# Get levels of group
x = data %>%
distinct(!!group) %>%
pull(!!group) %>%
as.character %>%
set_names()
# Map over each level
x %>%
map_df(
~ data %>%
group_by(in.group = !!group == .x) %>%
summarise(across(where(is.numeric), mean, .names="mean_{col}")),
.id=as_label(enquo(group))
) %>%
mutate(!!group := case_when(in.group ~ !!group,
!in.group ~ paste("not", !!group))) %>%
select(-in.group)
}
# Run the function on a couple of data frames
compare.groups(iris, Species)
compare.groups(diamonds, cut)
您还可以使用该函数获取数据框中所有分类列的结果：
diamonds %>%
select(where(~!is.numeric(.))) %>%
names() %>%
set_names() %>%
map_df(
~compare.groups(diamonds, !!.x) %>%
rename(category = .x),
.id="variable"
)
1）我们可以在dplyr
本身内完成这项工作。按“种类”分组，通过使用cur\u group\u id（）
将列的平均值和完整数据列的子集连接起来，从而总结出我们需要的列，即“萼片长度”（除了dplyr
，没有使用其他包）
-输出
# A tibble: 6 x 6
# Species InGroup MeanSepal.Length MeanSepal.Width MeanPetal.Length MeanPetal.Width
# <fct> <chr> <dbl> <dbl> <dbl> <dbl>
#1 setosa Yes 5.01 3.43 1.46 0.246
#2 setosa No 6.26 2.87 4.91 1.68
#3 versicolor Yes 5.94 2.77 4.26 1.33
#4 versicolor No 5.80 3.20 3.51 1.14
#5 virginica Yes 6.59 2.97 5.55 2.03
#6 virginica No 5.47 3.10 2.86 0.786
4）或者另一种选择是取总和的差值
除以行数的差值
iris %>%
group_by(Species) %>%
summarise(InGroup = c('Yes', 'No'), across(where(is.numeric),
~ c(mean(.), (sum(iris[[cur_column()]]) -
sum(.))/(nrow(iris) - n())), .names = 'Mean{.col}'), .groups = 'drop')
iris %>%
group_by(Species) %>%
summarise(InGroup = c('Yes', 'No'),
across(where(is.numeric), ~ c(mean(.),
mean(iris[[cur_column()]][
as.numeric(iris$Species) != cur_group_id()])), .names = 'Mean{.col}'),
.groups = 'drop')
# A tibble: 6 x 6
# Species InGroup MeanSepal.Length MeanSepal.Width MeanPetal.Length MeanPetal.Width
# <fct> <chr> <dbl> <dbl> <dbl> <dbl>
#1 setosa Yes 5.01 3.43 1.46 0.246
#2 setosa No 6.26 2.87 4.91 1.68
#3 versicolor Yes 5.94 2.77 4.26 1.33
#4 versicolor No 5.80 3.20 3.51 1.14
#5 virginica Yes 6.59 2.97 5.55 2.03
#6 virginica No 5.47 3.10 2.86 0.786
f1 <- function(dat, grp) {
grp_str <- rlang::as_string(rlang::ensym(grp))
dat %>%
group_by({{grp}}) %>%
summarise(InGroup = c('Yes', 'No'),
across(where(is.numeric), ~ c(mean(.),
mean(dat[[cur_column()]][
as.numeric(dat[[grp_str]]) != cur_group_id()])),
.names = 'Mean{.col}'), .groups = 'drop')
}
f1(iris, Species)
# A tibble: 6 x 6
# Species InGroup MeanSepal.Length MeanSepal.Width MeanPetal.Length MeanPetal.Width
# <fct> <chr> <dbl> <dbl> <dbl> <dbl>
#1 setosa Yes 5.01 3.43 1.46 0.246
#2 setosa No 6.26 2.87 4.91 1.68
#3 versicolor Yes 5.94 2.77 4.26 1.33
#4 versicolor No 5.80 3.20 3.51 1.14
#5 virginica Yes 6.59 2.97 5.55 2.03
#6 virginica No 5.47 3.10 2.86 0.786
f1(diamonds, cut)
# A tibble: 10 x 9
# cut InGroup Meancarat Meandepth Meantable Meanprice Meanx Meany Meanz
# <ord> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
# 1 Fair Yes 1.05 64.0 59.1 4359. 6.25 6.18 3.98
# 2 Fair No 0.790 61.7 57.4 3920. 5.72 5.72 3.53
# 3 Good Yes 0.849 62.4 58.7 3929. 5.84 5.85 3.64
# 4 Good No 0.793 61.7 57.3 3933. 5.72 5.72 3.53
# 5 Very Good Yes 0.806 61.8 58.0 3982. 5.74 5.77 3.56
# 6 Very Good No 0.796 61.7 57.3 3919. 5.73 5.72 3.53
# 7 Premium Yes 0.892 61.3 58.7 4584. 5.97 5.94 3.65
# 8 Premium No 0.766 61.9 57.0 3709. 5.65 5.66 3.50
# 9 Ideal Yes 0.703 61.7 56.0 3458. 5.51 5.52 3.40
#10 Ideal No 0.861 61.8 58.5 4249. 5.88 5.88 3.63
iris %>%
group_by(Species) %>%
summarise(InGroup = c('Yes', 'No'), across(where(is.numeric),
~ c(mean(.), (sum(iris[[cur_column()]]) -
sum(.))/(nrow(iris) - n())), .names = 'Mean{.col}'), .groups = 'drop')