R 当绑定来自不同数据帧的行时，如何维护原始行名称？

使用dply:：Summary时，如何保留其中一个分组名称？或者，有没有更好的方法来保留其中一个组名？我可能做这件事效率很低

我有一个data.frame（df）如下：

定义 其中，AU是由五（5）个“组”组成的集合，BU是由五十五（55）个单元组成的集合，所有这些单元都属于五个AU中的一个。亲子关系。分数是一个原始数字0-4。Control_Category是一个有六个（字符串值）的变量

目前，我的代码被分解成这样，脚本执行两个级别的分组和分数聚合，以给出简单的平均值。我首先在AU级别分组，以获得给定组中所有单元各自类别（CC）的简单平均值。最后，我有五个data.frames（cbg.au.stat.wide、cbd.au.stat.wide等）。这些dfs表示给定组的所有单元中给定类别的平均分数

# Group1 assessment unit scores
cbg.au.stat.wide <- df %>%
  group_by(AU, CC) %>%
  filter(AU == "CBG") %>%
  summarise(avg = mean(Score, na.rm = TRUE)) %>%
  dcast(AU ~ CC, value.var = "avg") %>%
  print()  # end chain

稍后，所有“AU级别”数据帧都使用dplyr:：bind_行进行组合

au.avg.scores <- bind_rows(
  bsa.au.stat.wide,bsg.au.stat.wide,cbd.au.stat.wide,
  cbg.au.stat.wide,wmg.au.stat.wide)

au.avg.scores
         AU    AUDIT     CORC      GOV      PPS     TMSC    TRAIN
1 BSA Admin 2.833333 2.000000 2.733333 2.000000 1.750000 2.333333
2       BSG 2.833333 0.000000 2.733333 2.000000 1.750000 2.333333
3       CBD 1.833333 2.533333 2.466667 2.000000 2.500000 2.166667
4       CBG 3.000000 2.733333 2.200000 2.666667 1.583333 2.666667
5       WMG 2.625000 1.816667 2.533333 2.166667 1.895833 2.375000

我想你会注意到，在“BU”级别上，“AU”级别已经降低。最后，我想将所有这些总线组合成一个大表，显示BU和AU的起源

这样它就会变成这样：

> bu.avg.scores
AU BU AUDIT CORC GOV PPS TMSC TRAIN
CBG Adherence   3.0  1.4 3.2   1 1.50   3.0
CBG CTR   2.0  2.8 2.0   4 1.50   2.5
CBG HRCU   3.5  1.8 3.0   1 2.25   1.5
CBD Investigations   2.0   NA  NA  NA   NA    NA
BSG ACH   2.0  0.0 2.0   4 1.50   2.5

最新答案 下面是一个基于评论线索的更新答案。我们分别通过

AU

和

BU

进行总结，并将结果存储在列表中。然后，我们将展示如何将摘要组合到单个数据帧中，并将摘要输出为表

library(tidyverse)

# Summarize by AU and (separately) by BU and store each summary in a list
dfs = list(AU = df %>% 
             group_by(AU, CC) %>% 
             summarise(avg=mean(Score, na.rm=TRUE)),
           BU = df %>% 
             group_by(BU, CC) %>% 
             summarise(avg=mean(Score, na.rm=TRUE)))

每个摘要现在都存储在单独的列表元素中。这使两个不同级别的摘要保持分离，但存储在一个对象中，因此便于进一步处理

dfs

如果需要单个数据帧，可以执行以下操作：

# Combine into a single table and spread
df.table = bind_rows(dfs, .id="Unit Level") %>% 
  replace(., is.na(.), "") %>%  # To avoid "NA" values when we "unite" below
  unite(Unit, AU, BU, sep="") %>% 
  spread(CC, avg)

df.table

```{r, results="asis"}
library(xtable)
options(xtable.include.rownames=FALSE, xtable.comment=FALSE)

print(xtable(df.table %>% 
               mutate(`Unit Level` = replace(`Unit Level`, duplicated(`Unit Level`), ""))),
             hline.after=c(-1,0,cumsum(table(df.table["Unit Level"]))))
```

如果要在

r标记中创建报告

，可以将其转换为输出表。下面是我们删除重复行标识符的示例：

```{r}
knitr::kable(df.table %>% 
               mutate(`Unit Level` = replace(`Unit Level`, duplicated(`Unit Level`), "")))
```

这是在PDF文件中输出时表格的外观：

或者，如果您想添加一条中间线来分隔

AU

和

BU

平均值，您可以这样做：

# Combine into a single table and spread
df.table = bind_rows(dfs, .id="Unit Level") %>% 
  replace(., is.na(.), "") %>%  # To avoid "NA" values when we "unite" below
  unite(Unit, AU, BU, sep="") %>% 
  spread(CC, avg)

df.table

```{r, results="asis"}
library(xtable)
options(xtable.include.rownames=FALSE, xtable.comment=FALSE)

print(xtable(df.table %>% 
               mutate(`Unit Level` = replace(`Unit Level`, duplicated(`Unit Level`), ""))),
             hline.after=c(-1,0,cumsum(table(df.table["Unit Level"]))))
```

原始答案 在下面的代码中，我们首先计算

AU

和

BU

级别的平均值。然后，我们计算

AU

级别的平均值，并使用

bind_rows

组合两个级别的平均值。然后我们可以

将生成的数据帧扩展为宽格式

library(tidyverse)

# Get averages at the AU-BU level
dfs = df %>%
  group_by(AU, BU, CC) %>%
  summarise(avg = mean(Score, na.rm = TRUE)) 

dfs

这可以组合成一条链：

dfs = df %>%
  group_by(AU, BU, CC) %>%
  summarise(avg = mean(Score, na.rm = TRUE)) %>% 
  bind_rows(
    df %>%
      group_by(AU, CC) %>%
      summarise(avg = mean(Score, na.rm = TRUE)) %>% 
      mutate(BU = paste("All", AU,"BU"))
  ) %>% 
  spread(CC, avg)

我需要展示两个结果：非盟级别的类别平均值（其中有五个）和BU级别的类别平均值（总共有55个）。如果您显示的“所有CBD”是AU级别的平均值，而基础行是BU级别的平均值，那么我认为这是合适的！当你说“结合两个平均水平”。您的意思是将AU水平平均值（55条总线上每个类别的平均值）叠加在BU水平平均值（特定BU类别的平均值）之上吗？在这种情况下，我叠加了两组平均值：（1）每个
AU
的平均值和（2）
AU
和
BU
的每个组合的平均值。如果您想要所有
AU
中每个
BU
的平均值，那么您可以执行
group\u by（AU，BU，CC）
，而不是
group\u by（AU，BU，CC）
。但是，由于平均值不再是分层的，您还需要更改设置最终表格的方式，以明确每个平均值来自哪个级别。让我知道，如果这是你正在寻找的，我可以更新我的答案。是的。就是这样。我需要给出AU平均值，然后分别给出BU平均值。如果你想看，所有的代码都在这里：是的，没错。将事物保存在列表中，无论是多个相似的数据帧还是相关对象的集合（如R建模函数的列表输出，如
lm
或
glm
），都可以更轻松地进行进一步的分析和处理，还可以保持工作空间整洁，因为你有一个列表，而不是10个或20个或任何单独的对象来跟踪。
```{r}
knitr::kable(df.table %>% 
               mutate(`Unit Level` = replace(`Unit Level`, duplicated(`Unit Level`), "")))
```

```{r, results="asis"}
library(xtable)
options(xtable.include.rownames=FALSE, xtable.comment=FALSE)

print(xtable(df.table %>% 
               mutate(`Unit Level` = replace(`Unit Level`, duplicated(`Unit Level`), ""))),
             hline.after=c(-1,0,cumsum(table(df.table["Unit Level"]))))
```

library(tidyverse)

# Get averages at the AU-BU level
dfs = df %>%
  group_by(AU, BU, CC) %>%
  summarise(avg = mean(Score, na.rm = TRUE)) 

dfs

     AU     BU    CC     n   avg
1   CBD Constr AUDIT     2   2.0
2   CBD Constr  CORC     5   2.8
3   CBD    OAO AUDIT     2   1.0
4   CBD    OAO  CORC     5   2.4
5   CBD Retail AUDIT     2   2.5
6   CBD Retail  CORC     4   2.0

# Combine with averages at the AU level
dfs = bind_rows(dfs, 
                df %>%
                  group_by(AU, CC) %>%
                  summarise(avg = mean(Score, na.rm = TRUE)) %>% 
                  mutate(BU = paste("All", AU,"BU")))

dfs   

     AU         BU    CC      avg
1   CBD     Constr AUDIT 2.000000
2   CBD     Constr  CORC 2.800000
3   CBD        OAO AUDIT 1.000000
4   CBD        OAO  CORC 2.400000
5   CBD     Retail AUDIT 2.500000
6   CBD     Retail  CORC 2.000000
7   CBD All CBD BU AUDIT 1.833333
8   CBD All CBD BU  CORC 2.428571

# Spread (does same thing as dcast, but using tidyr spread function)
dfs %>% spread(CC, avg)

     AU         BU    AUDIT     CORC
1   CBD All CBD BU 1.833333 2.428571
2   CBD     Constr 2.000000 2.800000
3   CBD        OAO 1.000000 2.400000
4   CBD     Retail 2.500000 2.000000

dfs = df %>%
  group_by(AU, BU, CC) %>%
  summarise(avg = mean(Score, na.rm = TRUE)) %>% 
  bind_rows(
    df %>%
      group_by(AU, CC) %>%
      summarise(avg = mean(Score, na.rm = TRUE)) %>% 
      mutate(BU = paste("All", AU,"BU"))
  ) %>% 
  spread(CC, avg)