dplyr中的标准计算:将给定的变量汇总为字符串
2020年7月更新: dplyr 1.0几乎改变了关于这个问题以及所有答案的一切。请参见此处的dplyr编程示意图: 当列的标识符存储为字符向量时,引用列的新方法是使用rlang中的.data代词,然后使用base R中的子集dplyr中的标准计算:将给定的变量汇总为字符串,r,dplyr,R,Dplyr,2020年7月更新: dplyr 1.0几乎改变了关于这个问题以及所有答案的一切。请参见此处的dplyr编程示意图: 当列的标识符存储为字符向量时,引用列的新方法是使用rlang中的.data代词,然后使用base R中的子集 library(dplyr) key <- "v3" val <- "v2" drp <- "v1" df <- tibble(v1 = 1:5, v2 = 6:10, v3 = c(
library(dplyr)
key <- "v3"
val <- "v2"
drp <- "v1"
df <- tibble(v1 = 1:5, v2 = 6:10, v3 = c(rep("A", 3), rep("B", 2)))
df %>%
select(-matches(drp)) %>%
group_by(.data[[key]]) %>%
summarise(total = sum(.data[[val]], na.rm = TRUE))
#> `summarise()` ungrouping output (override with `.groups` argument)
#> # A tibble: 2 x 2
#> v3 total
#> <chr> <int>
#> 1 A 21
#> 2 B 19
library(dplyr)
key <- "v3"
val <- "v2"
drp <- "v1"
df <- tibble(v1 = 1:5, v2 = 6:10, v3 = c(rep("A", 3), rep("B", 2)))
df %>%
select(-matches(drp)) %>%
group_by(.data[[key]]) %>%
summarise(total = sum(.data[[val]], na.rm = TRUE))
#> `summarise()` ungrouping output (override with `.groups` argument)
#> # A tibble: 2 x 2
#> v3 total
#> <chr> <int>
#> 1 A 21
#> 2 B 19
df如下所示:
> df
Source: local data frame [5 x 3]
v1 v2 v3
1 1 6 A
2 2 7 A
3 3 8 A
4 4 9 B
5 5 10 B
我要删除v1,按v3分组,并为每个组求和v2:
df %>% select(-matches(drp)) %>% group_by_(key) %>% summarise_(sum(val, na.rm = TRUE))
Error in sum(val, na.rm = TRUE) : invalid 'type' (character) of argument
select的NSE版本工作正常,因为它可以匹配字符串。group_by的SE版本运行良好,因为它现在可以接受变量作为参数并对其求值。然而,在dplyr函数中使用基R函数时,我还没有找到一种方法来实现类似的结果
不起作用的事情:
df %>% group_by_(key) %>% summarise_(sum(get(val), na.rm = TRUE))
Error in get(val) : object 'v2' not found
df %>% group_by_(key) %>% summarise_(sum(eval(as.symbol(val)), na.rm = TRUE))
Error in eval(expr, envir, enclos) : object 'v2' not found
我已经签出,但到目前为止,没有一个建议的解决方案对我有效。请注意,这个答案不适用于dplyr>=0.7.0,而是适用于以前的版本 有一种新的非标准评估方法称为tidyeval。它在vignetteprogramming中有详细描述 这一点很有帮助。检查“混合常量和变量”一节,您会发现可以使用lazyeval软件包中的函数interp,如果您有一个给出变量名称的字符串,请使用as.name:
library(lazyeval)
df %>%
select(-matches(drp)) %>%
group_by_(key) %>%
summarise_(sum_val = interp(~sum(var, na.rm = TRUE), var = as.name(val)))
# v3 sum_val
# 1 A 21
# 2 B 19
向.dots参数传递一个字符串列表,使用paste、sprintf或使用包gsubfn中的字符串插值,通过fn$list代替list来构造字符串,如下所示:
library(gsubfn)
df %>%
group_by_(key) %>%
summarise_(.dots = fn$list(mean = "mean($val)", sd = "sd($val)"))
给予:
Source: local data frame [2 x 3]
v3 mean sd
1 A 7.0 1.0000000
2 B 9.5 0.7071068
新dplyr更新:
dplyr的新功能可以帮助实现这一点。对于需要非标准计算的变量,我们使用quosures quo代替字符串。我们用另一个函数撤消报价!!。更多关于这些。在完全发布之前,您将需要
library(dplyr) #0.5.0.9004+
key <- quo(v3)
val <- quo(v2)
drp <- "v1"
df <- data_frame(v1 = 1:5, v2 = 6:10, v3 = c(rep("A", 3), rep("B", 2)))
df %>% select(-matches("v1")) %>%
group_by(!!key) %>%
summarise(sum(!!val, na.rm = TRUE))
# # A tibble: 2 × 2
# v3 `sum(v2, na.rm = TRUE)`
# <chr> <int>
# 1 A 21
# 2 B 19
随着rlang包的发布和dplyr的0.7.0更新,这一点现在相当简单 当您想使用字符串(例如v1)作为变量名时,您只需: 使用rlang包中的sym将字符串转换为符号 在函数调用中,写入!!在符号前面 例如,您可以执行以下操作:
my_var <- "Sepal.Length"
my_sym <- sym(my_var)
summarize(iris, Mean = mean(!!my_sym))
library(rlang)
key <- "v3"
val <- "v2"
drp <- "v1"
df <- data_frame(v1 = 1:5, v2 = 6:10, v3 = c(rep("A", 3), rep("B", 2)))
df %>%
# NOTE: we don't have to do anything to `drp`
# since the matches() function expects a character string
select(-matches(drp)) %>%
group_by(!!sym(key)) %>%
summarise(sum(!!sym(val), na.rm = TRUE))
要返回原始示例,可以执行以下操作:
my_var <- "Sepal.Length"
my_sym <- sym(my_var)
summarize(iris, Mean = mean(!!my_sym))
library(rlang)
key <- "v3"
val <- "v2"
drp <- "v1"
df <- data_frame(v1 = 1:5, v2 = 6:10, v3 = c(rep("A", 3), rep("B", 2)))
df %>%
# NOTE: we don't have to do anything to `drp`
# since the matches() function expects a character string
select(-matches(drp)) %>%
group_by(!!sym(key)) %>%
summarise(sum(!!sym(val), na.rm = TRUE))
替代语法
随着rlang版本0.4.0的发布,您可以使用以下语法:
my_var <- "Sepal.Length"
my_sym <- sym(my_var)
summarize(iris, Mean = mean({{ my_sym }}))
而不是写作!!我的{u-sym},你可以写{{我的{u-sym}}。这样做的优点是可以说更清晰,但缺点是必须先将字符串转换为符号,然后再将其放入括号中。例如,你可以写!!但是你不能写{{symmy\u var}
其他细节
所有解释sym和!!工作,这些似乎是最容易接近的:
dplyr 1.0几乎改变了关于这个问题以及所有答案的一切。请参见此处的dplyr编程示意图:
当列的标识符存储为字符向量时,引用列的新方法是使用rlang中的.data代词,然后使用base R中的子集
library(dplyr)
key <- "v3"
val <- "v2"
drp <- "v1"
df <- tibble(v1 = 1:5, v2 = 6:10, v3 = c(rep("A", 3), rep("B", 2)))
df %>%
select(-matches(drp)) %>%
group_by(.data[[key]]) %>%
summarise(total = sum(.data[[val]], na.rm = TRUE))
#> `summarise()` ungrouping output (override with `.groups` argument)
#> # A tibble: 2 x 2
#> v3 total
#> <chr> <int>
#> 1 A 21
#> 2 B 19
library(dplyr)
key <- "v3"
val <- "v2"
drp <- "v1"
df <- tibble(v1 = 1:5, v2 = 6:10, v3 = c(rep("A", 3), rep("B", 2)))
df %>%
select(-matches(drp)) %>%
group_by(.data[[key]]) %>%
summarise(total = sum(.data[[val]], na.rm = TRUE))
#> `summarise()` ungrouping output (override with `.groups` argument)
#> # A tibble: 2 x 2
#> v3 total
#> <chr> <int>
#> 1 A 21
#> 2 B 19
如果您的代码在包函数中,您可以@importFrom rlang.data以避免R检查有关未定义全局变量的注释。我之前阅读了该小插曲,但在测试中误用了interp。非常感谢。尽管有这个答案和小插曲,我仍然无法让它工作。我没有MWE。我执行了一个summary summarseng,median=mediantotal_length,这是因为“total_length”是我的data.frame“ng”中的一个列名。现在我想循环使用存储在“features”列表中的列名,在这个示例中,它将是summarseng,median=medianfeatures[8]。但这在摘要中给出了字符串“features[8]”。interp summarseng,median=interp~medianvar,var=features[8]的方法给出了一个错误:“错误:不是向量”。怎么办???阅读已经从根本上改变了我编程函数参数的方式。要提供不带引号的变量名作为函数参数,请参见使用enquo和!!在该vignette中的my_summary函数中。如果v3和v2是作为函数输入的字符向量,如何执行此操作?如果有多个变量怎么办?在一个相关的问题中。