R 当我运行代码块时，一切正常，但当我尝试编织时，我会出错

正如标题所说，当我在R markdown文件中运行代码时，一切正常，我没有得到任何错误，但当我尝试编织时，我得到了一个错误

这是表示第一个错误正在发生的代码块（由于没有创建dta1，该失败显然会在之后导致一系列其他错误）

这些是我正在使用的库（我的设置块中有它们）

这是我正在使用的数据（这是导致错误的代码块上方唯一的代码块）

df%
变异（z_赋值=情况_）(
t_random==1~“逮捕”，
t_random==2~“建议”，
t_random==3~“单独”
),
d_实际=情况_(
t_final==1~“逮捕”，
t_final==2~“建议”，
t_final==3~“分开”，
t_final==4~“其他”
),
z_娇生惯养=ifelse（z_分配%在%c（“单独”、“建议”），1,0），
d_coddled=ifelse（d_实际百分比在%c中（“单独”、“建议”），1,0）
) %>% 
过滤器（d_实际值！=“其他”）
df%
突变（pz_separ=1/（1+exp（1.21）），
pz_滞留=1/（1+exp（1.21+0.9）），
pz_advision=1/（1+exp（1.21+0.21）），
pdsepar=1/（1+exp（1.05）），
pd_停止=1/（1+exp（1.05+0.82）），
pd_建议=1/（1+exp（1.05+0.46）），
订单=行号（）/n（））%>%
分组依据（t_随机）%>%
变异（z_秩=行数（）/n（））%>%
解组（）%>%
变异（Y=ifelse（（z_赋值==“逮捕”&z_等级%
选择（t_随机、z_分配、t_最终、d_实际、z_溺爱、d_溺爱、Y、v_种族、s_种族、武器、s_化学、年、月）

---

那么，我做错了什么/遗漏了什么？

问题在于

count

需要一个

tibble/data.frame

作为输入，而不是一个列/向量。它应该是

sum

library(dplyr)
df %>%
  group_by(z_assignment) %>% 
  summarise(Arrest = sum(t_final == 1),
          Advise = sum(t_final == 2),
          Separate = sum(t_final == 3),
          Total = sum(Arrest, Advise, Separate)) %>%
   arrange(Separate) %>%
   bind_rows(summarise_all(., funs(if(is.numeric(.)) sum(.) else "Total")))

-输出

# A tibble: 4 x 5
#  z_assignment Arrest Advise Separate Total
#  <chr>         <int>  <int>    <int> <int>
#1 arrest           91      0        1    92
#2 advise           19     84        5   108
#3 separate         26      5       83   114
#4 Total           136     89       89   314

#一个tible:4 x 5
#z_分配逮捕通知单独总计
#                  
#1拘捕910192人
#2建议19 84 5 108
#3分开26 5 83 114
#4总计136 89 314

谢谢！我想我会错过一些简单的东西。。。

library(tidyverse)
library(AER)
library(stargazer)
library(haven)
library(lfe)
library(estimatr)
library(stringr) 
library(dplyr)
library(modelsummary)
library(ggplot2)
library(haven)

df <- read_dta("http://masteringmetrics.com/wp-content/uploads/2015/02/mdve.dta")

df <- df %>% 
  rename_all(tolower) %>% 
  mutate(z_assignment = case_when(
    t_random == 1 ~ "arrest",
    t_random == 2 ~ "advise",
    t_random == 3 ~ "separate"
  ),
  d_actual = case_when(
    t_final == 1 ~ "arrest",
    t_final == 2 ~ "advise",
    t_final == 3 ~ "separate",
    t_final == 4 ~ "other"
  ),
  z_coddled = ifelse(z_assignment %in% c("separate", "advise"),1,0),
  d_coddled = ifelse(d_actual %in% c("separate", "advise"),1,0)
  ) %>% 
  filter(d_actual != "other")

df <- df %>% 

  mutate( pz_separ=1/(1+exp(1.21)),
          pz_arrest=1/(1+exp(1.21+.9)),
          pz_advise=1/(1+exp(1.21+.21)),
          pd_separ=1/(1+exp(1.05)),
          pd_arrest=1/(1+exp(1.05+.82)),
          pd_advise=1/(1+exp(1.05+.46)),
          order = row_number()/n()) %>% 
  group_by(t_random) %>% 
  mutate(z_rank = row_number()/n()) %>% 
  ungroup() %>% 
  mutate(Y = ifelse( (z_assignment == "arrest" & z_rank < pz_arrest) |                 
                          (z_assignment == "advise" & z_rank < pz_advise) |
                          (z_assignment == "separate" & z_rank < pz_separ), 1,0)) %>% 
  select(t_random, z_assignment, t_final, d_actual, z_coddled, d_coddled, Y, v_race, s_race, weapon, s_chem, year, month)

library(dplyr)
df %>%
  group_by(z_assignment) %>% 
  summarise(Arrest = sum(t_final == 1),
          Advise = sum(t_final == 2),
          Separate = sum(t_final == 3),
          Total = sum(Arrest, Advise, Separate)) %>%
   arrange(Separate) %>%
   bind_rows(summarise_all(., funs(if(is.numeric(.)) sum(.) else "Total")))

# A tibble: 4 x 5
#  z_assignment Arrest Advise Separate Total
#  <chr>         <int>  <int>    <int> <int>
#1 arrest           91      0        1    92
#2 advise           19     84        5   108
#3 separate         26      5       83   114
#4 Total           136     89       89   314