从dplyr:：Summary中传递正确的数据帧

我正在尝试将

dplyr

与我自己的函数结合使用，该函数将数据帧汇总为单个值。在下面的示例中，

my_func

统计缺失值的数量。我可以用另一种方法来处理这个特定的案例，但我想知道如何做。我需要这个来处理分组数据。我想这样做可能会奏效：

my_func <- function(df) {
  return(sum(is.na(df)))
}

data("airquality")

airquality %>% group_by(Month) %>% summarise(my_func(.))

## # A tibble: 5 × 2
##   Month `my_func(.)`
##   <int>        <int>
## 1     5           44
## 2     6           44
## 3     7           44
## 4     8           44
## 5     9           44

但这似乎是一个黑客。它与

summary

也不一致，因为

do

的输出仍然是分组数据帧

---

本质上，我的问题是：我能否从

摘要
中将正确的数据帧（关于组）传递给我的函数？
因此，我认为您可以使用以下结构：

data <- num.missing(lapply(data$Month, my_func))

data如果您不介意使用
plyr
软件包，它似乎可以产生所需的输出：
plyr:：ddply（.data=airquality，.variables=~Month，.fun=my_func）
进一步检查后，问题似乎在于
摘要中的
的使用。例如，以下内容适用于单个变量：

空气质量%>%按（月）分组%>%汇总（我的功能（臭氧））

但这一条并没有：

空气质量%>%按（月）分组%>%汇总（my_func（.$Ozone））

类似地，使用所有变量显式创建一个
data.frame
，可以得到所需的输出：

空气质量%>%
分组单位（月）%>%
总结（NAs=my_func（数据框（臭氧、太阳能、风力、温度、月份、日期））

因此，如果您坚持使用
dplyr
，您将需要类似的解决方法（或者使用前面提到的
do
）。我相信这和这里报道的错误是一样的：。
谢谢你的回复。在您的第一个建议中，我找不到函数
num.missing
。但不管怎样，我希望对一个通用函数进行此操作，而不仅仅是计算缺失值的示例。您的第二个建议没有给出正确的输出，当我对每个（funs（my_func），Month）进行
空气质量%>%总结时，没有分组。所以我不知道这是怎么解决的。谢谢，这确实有效。我更感兴趣的是理解为什么这在
dplyr
中不起作用，或者可以实现这一点的
dplyr
的替代使用，因为我相信这在软件包中应该是可能的。非常感谢。我同意它看起来和你提到的一样。我认为这证实了我的观点，即我最初的想法“应该”起作用，并且在将来解决dplyr错误时可能会起作用。
data <- num.missing(lapply(data$Month, my_func))

object <- data %>% summarise_each(funs(my_func), Month)