如何使用dplyr获得相同的分组结果，以使结果与sqldf结果一致？

我尝试使用sqldf和dplyr实现SQL查询。 我需要使用这两个不同的库分别执行此操作。 不幸的是，我无法使用dplyr产生相同的结果

library(sqldf)
library(dplyr)

Id       <- c(1,2,3,4)
HasPet   <- c(0,0,1,1)
Age      <- c(20,1,14,10)

Posts <- data.frame(Id, HasPet, Age)

# sqldf way
ref <- sqldf("
      SELECT Id, HasPet, MAX(Age) AS MaxAge
      FROM Posts
      GROUP BY HasPet
  ")

# dplyr way
res <- Posts %>%
  group_by(HasPet) %>%
  summarize(
    Id,
    HasPet,
    MaxAge = max(Age)
    ) %>%
  select(Id, HasPet, MaxAge)

head(ref)
head(res)

虽然sqldf的输出不同：

> head(res)
# A tibble: 4 x 3
# Groups:   HasPet [2]
     Id HasPet MaxAge
  <dbl>  <dbl>  <dbl>
1     1      0     20
2     2      0     20
3     3      1     14
4     4      1     14

---

UPD。无法修改SQL查询。

您的问题的答案是，SQL查询所做的事情与您的R代码版本不同。以下是等效的SQL查询：

选择Id、HasPet、MAXAge OVER PARTITION BY HasPet作为MAXAge 发帖 实际上，您当前的查询在技术上是无效的，因为它通过HasPet聚合，但选择了Id。您不清楚要选择哪个Id值。以下是原始查询的有效版本：

选择HasPet，MAXAge作为MAXAge 发帖 HasPet分组

---

此问题可通过以下方法解决：

slice(which.min(Id))

在分组和汇总函数调用之后

例如：

# dplyr way
res <- Posts %>%
  group_by(HasPet) %>%
  summarize(
    Id,
    HasPet,
    MaxAge = max(Age)
    ) %>%
  select(Id, HasPet, MaxAge) %>%
  slice(which.min(Id))

在这种情况下，输出与使用dplyr相同：

> res
# A tibble: 2 x 3
# Groups:   HasPet [2]
     Id HasPet MaxAge
  <dbl>  <dbl>  <dbl>
1     1      0     20
2     3      1     14

---

另外，我认为有更简单的方法，但到目前为止我还没有找到它们。

代码没有错，但您试图实现的逻辑就是它。让我解释一下：

分组的预期输出包含Id=1,3。但是R怎么知道是这些而不是Id=2,4？。更具体地说，当您按HasPet=0进行分组时，R将选择Id的哪个值？1还是2？如果你没有给出具体的使用标准，R怎么知道呢？也就是说，这将提供您的预期输出：

res <- Posts %>%
  group_by(HasPet) %>%
  summarize(Id = min(Id),
            MaxAge = max(Age))

---

谢谢你的回答！实际上，我的问题是如何获得与sqldf相同的行为，但使用dplyr。相反，您已经调整了sqldf的查询请求。我不知道原始SQL查询是否无效。我认为不是，因为它在执行时没有警告或错误。您试图匹配的SQL输出是由无效查询生成的。请解释如何选择Id值背后的逻辑。您确定此请求无效吗？与此特定查询相关的SQL文档中是否存在任何限制？据我所知，sqldf的最终结果生成的结果包含HasPet列中列出的经过过滤的重复值。我还发现，使用aggregate it not dplyr函数可以实现与sqldf相同的行为。看到我以前的评论有错误的网址。现在修好了。对不起，我同意你原来的SQL请求看起来很奇怪。不管怎样，它是有效的。我不确定sql查询在技术上是否无效。您希望从dplyr获得的确切输出是什么？为什么？@Tim Biegeleisen这是一些R课程要求的。我需要得到与sqldf产生的结果相同的结果，但是使用dplyr。这是通过测试的先决条件。请尝试：Posts%>%group\u byHasPet%>%slice\u minId%>%ungroup@G.Grothendieck使用LGTM，但您的变体具有不同的列名。它返回年龄列名，而不是必需的AgeMax。

res <- Posts %>%
  group_by(HasPet) %>%
  summarize(Id = min(Id),
            MaxAge = max(Age))