dplyr summary（）的惯用用法是筛选分组依据，并替换由于缺少行而导致的任何NAs

我正在跨销售数据的数据框架计算一个

dplyr:：summary

。 我按（S，D，Y）分组，然后在每个组中计算第5周到第43周的中值和均值，然后将它们合并回父df。变量X是销售。X永远不是NA（即df中任何地方都没有明确的NAs），但如果没有S、D、Y和一组周的数据（如，没有销售），df中就不会有带这些值的行（假设这意味着该特定参数组的销售为零）。换句话说，在任何结构缺失的行中输入X=0（但我希望我不需要

熔化/铸造原始df，以避免膨胀。类似于
铸造（填充…，添加.missing=t）
或
插入符号：：预处理（）
）

关于我的代码习惯用法，有两个问题：

使用summary是否比使用
dplyr:：filter
更好，因为filter实际上会删除行，所以我必须将结果分配给
df.tmp
，然后左键将其连接回原始df（如下所示）？此外，在每一行汇总计算中重复的大型子集表达式使代码更难阅读。
我是否应该担心（或不担心）缓存子集操作的行或逻辑索引，在一般情况下，我可能会计算n=20个新的摘要变量

不是所有的S、D、Y组和筛选器组合（在这几周内）都有行，那么如何获取摘要以替换任何缺失行上的NA？目前我做的如下

抱歉，代码和数据集都是专有的，但下面是代码习惯用法，下面是生成示例数据时应首先运行的代码：

# Compute median, mean of X across wks 5..43, for that set of S,D,Y-values
# Issue a) filter() or repeatedly use subset() within each calculation?
df.tmp <- df %.% group_by(S,D,Y) %.% filter(Week>=5 & Week<=43) %.%
  summarize(ysd_med543_X  = median(X),
            ysd_mean543_X = mean(X)
           ) %.% ungroup()

# Issue b) how to replace NAs in groups where the group_by-and-filter gave empty output?
# can you merge this code with the summarize above?
df <- left_join(df, df.tmp, copy=F)
newcols <- match(c('ysd_mean543_X','ysd_med543_X'), names(df))
df[!complete.cases(df[,newcols]), newcols] <- c(0.0,0.0)

set.seed(1234)

rep_vector <- function(vv, n) {
  unlist(as.vector(lapply(vv, function(...) {rep(...,n)} )))
}

n=7
m=3
df = data.frame(S = rep_vector(10:12, n), D = 20:26,
                Y = rep_vector(2005:2007, n),
                Week = round(52*runif(m*n)),
                X = 4e4*runif(m*n) + 1e4 )

# Now drop some rows, to model structurally missing rows
I <- sort(sample(1:nrow(df),0.6*nrow(df)))
df = df[I,]

require(dplyr)

#计算该组S、D、Y值的中位数，即第5至43周X的平均值
#问题a）过滤器（）或在每次计算中重复使用子集（）？
df.tmp=5&Week我认为这与您在评论下链接的功能无关（因为IIUC该功能与未使用的因子级别有关）。一旦您过滤了数据，IMO
summary
就不应该（或者更确切地说不能）将它们包括在结果中（除了
因子
）。您应该在项目页面上与开发人员澄清这一点


我决不是一个
dplyr
专家，但我认为，首先，最好先
filter
，然后再
groupby+summary
。否则，您将对每个组进行筛选，这是不必要的。即:

df.tmp <- df %.% filter(Week>=5 & Week<=43) %.% group_by(S,D,Y) %.% ...

df.tmp <- df %.% group_by(S,D,Y) %.% mutate(
             md_X = median(X[Week >=5 & Week <= 43]), 
             mn_X = mean(X[Week >=5 & Week <= 43]))

在这里，仍然存在替换NA/NaN的问题。这里没有简单/直接的方法来分配子任务。因此，您必须再次使用
ifelse
。但是如果
mutate
支持表达式，那就更好了

我的想法是：

df.tmp <- df %.% group_by(S,D,Y) %.% mutate(
              { tmp = Week >= 5 & Week <= 43;
                md_X = ifelse(length(tmp), median(X[tmp]), 0), 
                md_Y = ifelse(length(tmp), mean(X[tmp]), 0)
              })   

df.tmp=5&周“你再也得不到任何东西了”。很抱歉，编造一些随机数据应该不难。@Arun：由于大众的需求，上面是样本数据。。。并不是说它是严格需要的。。。现在我可以期待一些答案吗？我想根本原因是。但我今天需要一个变通办法。对那些悲观的选民来说：如果你真的想惹人厌，代码来自一个实时数据科学竞赛，其规则禁止共享代码。要明确的是，我没有在这里共享任何代码，因为这个代码段经过了大量的清理。这个问题只是关于一般的dplyr习语。让两个人投反对票真的让我很恼火，但一旦我提供了样本数据，我就不必费心做任何有用的事情了。我想要的是dplyr而不是data.table，谢谢。这就是为什么它被标记为dplyr。@smci，请在评论之前阅读完整的答案。它只是帮助我在
data.table
中思考。我提供了一个
dplyr
解决方案。我已经完整阅读了整个答案。我对你的评论逐条回复。你一直对我低声下气，真让人恼火。你能改变你的态度吗？请停止假设不正确的事情。您的意思是我使用
data.table
来获得
dplyr
解决方案，您感到不高兴？许多事情似乎让你恼火。
md_X=median（tmp*X）
和类似的
mean
可以用来小幅度减少代码大小
md_X=tmp[1L]*中值（X）
将是另一种方法。
df.tmp = df %.% group_by(S,D,Y) %.% mutate(tmp = Week >=5 & Week <= 43)
df.tmp %.% mutate(md_X = ifelse(tmp[1L], median(X), 0), 
                  mn_X = ifelse(tmp[1L], mean(X), 0))

df %.% group_by(S,D,Y) %.% mutate(tmp = Week >=5 & Week <= 43, 
       md_X = ifelse(tmp[1L], median(X), 0), 
       mn_X = ifelse(tmp[1L], median(X), 0)) 

#     S  D    Y Week        X   tmp     md_X     mn_X
# 1  10 20 2005    6 22107.73  TRUE 22107.73 22107.73
# 2  10 23 2005   32 18751.98  TRUE 18751.98 18751.98
# 3  10 25 2005   33 31027.90  TRUE 31027.90 31027.90
# 4  10 26 2005    0 46586.33 FALSE     0.00     0.00
# 5  11 20 2006   12 43253.80  TRUE 43253.80 43253.80
# 6  11 22 2006   27 28243.66  TRUE 28243.66 28243.66
# 7  11 23 2006   36 20607.47  TRUE 20607.47 20607.47
# 8  11 24 2006   28 22186.89  TRUE 22186.89 22186.89
# 9  11 25 2006   15 30292.27  TRUE 30292.27 30292.27
# 10 12 20 2007   15 40386.83  TRUE 40386.83 40386.83
# 11 12 21 2007   44 18049.92 FALSE     0.00     0.00
# 12 12 26 2007   16 35856.24  TRUE 35856.24 35856.24