tidyr unnest，在取消测试期间使用嵌套名称作为列名前缀

在

data.frame

上运行

unnest

时，是否有方法将嵌套项的组名添加到其包含的各个列中（作为后缀或前缀）。或者重命名是否必须通过

重命名

手动完成

这与“取消测试”包含同名列的多个组尤其相关

在下面的示例中，

base

aggregate

命令做得很好（例如Petal.Length.mn），但是我找不到一个选项来获取

unnest

来做同样的事情

我将

nest

与

purr:：map

一起使用，因为我希望能够灵活地混合函数，例如，计算两个变量的均值和标准差，并运行t测试来查看它们之间的差异

库（dplyr，warn.conflicts=FALSE）
msd_c 1 setosa 1.4620000 0.1736640 0.246000 0.1053856
#>2花色4.2600000 0.4699110 1.326000 0.1977527
#>3弗吉尼亚州5.5520000 0.5518947 2.0260000.2746501
虹膜%>%
选择（花瓣长度：种）%>%
组别(种类)%>%
tidyr:：nest（）%>%
变异(
Petal.Length=purrr:：map（数据，~msd_df（.$Petal.Length）），
Petal.Width=purrr:：map（数据，~msd_df（.$Petal.Width）），
相关性=purrr:：map（数据，~broom:：tidy（cor.test（.$Petal.Length，.$Petal.Width）），
) %>% 
选择（-data）%%>%
tidyr:：unnest（c（花瓣.长度，花瓣.宽度，相关性），名称\修复=tidyr:：tidyr \遗留）
#>#tibble:3 x 13
#>#类群：种[3]
#>物种mn sd mn1 sd1估计统计p值参数形态低
#>                               
#>1 setosa 1.46 0.174 0.246 0.105 0.332 2.44 1.86e-2 48 0.0587
#>2版本~4.26 0.470 1.33 0.198 0.787 8.83 1.27e-11 48 0.651
#>3维珍~5.55 0.552 2.03 0.275 0.322 2.36 2.25e-2 48 0.0481
#> # ... 还有3个变量：conf.high、method、alternative

---

由（v0.3.0）于2020年5月20日创建，要将多个函数应用于多个列，我将使用

在

/

处总结

在处变异而不是嵌套和取消测试数据

例如，在这种情况下，我们可以：

library(dplyr)
iris %>% 
  group_by(Species) %>% 
  summarise_at(vars(Petal.Length:Petal.Width), list(mn = mean, sd = sd))


#  Species    Petal.Length_mn Petal.Width_mn Petal.Length_sd Petal.Width_sd
#  <fct>                <dbl>          <dbl>           <dbl>          <dbl>
#1 setosa                1.46          0.246           0.174          0.105
#2 versicolor            4.26          1.33            0.470          0.198
#3 virginica             5.55          2.03            0.552          0.275

库（dplyr）
虹膜%>%
组别(种类)%>%
总结（变量（花瓣长度：花瓣宽度），列表（mn=平均值，sd=sd））
#物种花瓣。长度\ mn花瓣。宽度\ mn花瓣。长度\ sd花瓣。宽度\ sd
#                                                 
#1刚毛1.46 0.246 0.174 0.105
#2花色4.26 1.33 0.470 0.198
#3弗吉尼亚州5.55 2.03 0.552 0.275

这会自动为我们应用函数的列名添加前缀。此外，这相当于您尝试的

aggregate

函数的

dplyr

版本

---

另请注意，在即将发布的

dplyr

版本中，处的

summary_将很快被
所取代
 要将多个函数应用于多个列，我将使用
在
/
处汇总
而不是嵌套和取消测试数据

例如，在这种情况下，我们可以：

library(dplyr)
iris %>% 
  group_by(Species) %>% 
  summarise_at(vars(Petal.Length:Petal.Width), list(mn = mean, sd = sd))


#  Species    Petal.Length_mn Petal.Width_mn Petal.Length_sd Petal.Width_sd
#  <fct>                <dbl>          <dbl>           <dbl>          <dbl>
#1 setosa                1.46          0.246           0.174          0.105
#2 versicolor            4.26          1.33            0.470          0.198
#3 virginica             5.55          2.03            0.552          0.275

库（dplyr）
虹膜%>%
组别(种类)%>%
总结（变量（花瓣长度：花瓣宽度），列表（mn=平均值，sd=sd））
#物种花瓣。长度\ mn花瓣。宽度\ mn花瓣。长度\ sd花瓣。宽度\ sd
#                                                 
#1刚毛1.46 0.246 0.174 0.105
#2花色4.26 1.33 0.470 0.198
#3弗吉尼亚州5.55 2.03 0.552 0.275

这会自动为我们应用函数的列名添加前缀。此外，这相当于您尝试的
aggregate
函数的
dplyr
版本

另请注意，在即将发布的
dplyr
版本中，
处的
summary_将很快被
所取代
 您可以像下面那样使用
setNames
。这有点冗长，但似乎您计划为每个列指定每个函数，这可能会引起兴趣

iris %>% 
  select(Petal.Length:Species) %>% 
  group_by(Species) %>% 
  tidyr::nest() %>% 
  mutate(
    Petal.Length = purrr::map(data, ~ msd_df(.x$Petal.Length) %>%
                                setNames(paste0("Petal.Length.", names(.)))),
    Petal.Width = purrr::map(data, ~ msd_df(.$Petal.Width) %>%
                                setNames(paste0("Petal.Width.", names(.)))),
    Ratio = purrr::map(data, ~ msd_df(.$Petal.Length/.$Petal.Width) %>%
                               setNames(paste0("Ratio.", names(.))))
  ) %>% 
  select(-data) %>% 
  tidyr::unnest(c(Petal.Length, Petal.Width, Ratio))
# A tibble: 3 x 7
# Groups:   Species [3]
  Species    Petal.Length.mn Petal.Length.sd Petal.Width.mn Petal.Width.sd Ratio.mn Ratio.sd
  <fct>                <dbl>           <dbl>          <dbl>          <dbl>    <dbl>    <dbl>
1 setosa                1.46           0.174          0.246          0.105     6.91    2.85 
2 versicolor            4.26           0.470          1.33           0.198     3.24    0.312
3 virginica             5.55           0.552          2.03           0.275     2.78    0.407

iris%>%
选择（花瓣长度：种）%>%
组别(种类)%>%
tidyr:：nest（）%>%
变异(
Petal.Length=purrr:：map（数据，~msd_df（.x$Petal.Length）%>%
设置名称（粘贴0（“花瓣长度”），名称（.），
花瓣宽度=purrr:：map（数据，~msd_df（.$Petal.Width）%>%
设置名称（粘贴0（“花瓣宽度”），名称（.），
比率=purrr:：map（数据，~msd_df（.$Petal.Length/$Petal.Width）%>%
集合名称（粘贴0（“比率”），名称（）
) %>% 
选择（-data）%%>%
tidyr：：unnest（c（花瓣长度、花瓣宽度、比率））
#一个tibble:3x7
#类群：种[3]
物种花瓣.Length.mn花瓣.Length.sd花瓣.Width.mn花瓣.Width.sd比率.mn比率.sd
1 setosa 1.46 0.174 0.246 0.105 6.91 2.85
2花色4.26 0.470 1.33 0.198 3.24 0.312
3弗吉尼亚州5.55 0.552 2.03 0.275 2.78 0.407

或者修改函数，使其能够像这样修改列名

msd_df_name <- function(x, name){
  bind_rows(c(mn = mean(x), sd = sd(x))) %>%
    setNames(paste0(name, ".", names(.)))
}

iris %>% 
  select(Petal.Length:Species) %>% 
  group_by(Species) %>% 
  tidyr::nest() %>% 
  mutate(
    Petal.Length = purrr::map(data, ~ msd_df_name(.x$Petal.Length, "Petal.Length")),
    Petal.Width = purrr::map(data, ~ msd_df_name(.$Petal.Width, "Petal.Width")),
    Ratio = purrr::map(data, ~ msd_df_name(.$Petal.Length/.$Petal.Width, "Ratio"))
  ) %>% 
  select(-data) %>% 
  tidyr::unnest(c(Petal.Length, Petal.Width, Ratio))

msd\u df\u name%
设置名称（粘贴0（名称，“.”，名称（.））
}
虹膜%>%
选择（花瓣长度：种）%>%
组别(种类)%>%
tidyr:：nest（）%>%
变异(
Petal.Length=purrr:：map（数据，~msd_df_名称（.x$Petal.Length，“Petal.Length”），
Petal.Width=purrr:：map（数据，~msd_df_名称（.$Petal.Width，“Petal.Width”），
Ratio=purrr:：map（数据，~msd_df_名称（.$Petal.Length/$Petal.Width，“Ratio”））
) %>% 
选择（-data）%%>%
三分之三：未经测试（c）（Pet）