Dplyr：如何按（全部）分组

正如我在某处看到的，当存在多个group_by（）层时，一个SUMMARSE（）会剥离一个分组层。在sql中，有“按所有人分组”。我想知道是否有一种方法可以取消dplyr中的所有分组（例如，这样，我们就可以获得所有分组的最大值，而不是每个分组的最大值）

例如：

library(dplyr)
library(car)

mtcars %>%
  select(cyl, gear, carb) %>%
  group_by(cyl, gear) %>%
  summarise(count = n()) %>%
  arrange(desc(count))

输出：

Source: local data frame [8 x 3]
Groups: cyl

  cyl gear count
1   4    4     8
2   4    5     2
3   4    3     1
4   6    4     4
5   6    3     2
6   6    5     1
7   8    3    12
8   8    5     2

因此，数据按（cyl，gear）分组：两层分组。 Summary（）计算每个（赛道，档位）组中有多少辆车，然后按（档位）层剥离组。 现在数据是分组依据（cyl）。 如您所见，下降顺序仅适用于每个气缸。（对于气缸==4，第1-3行下降；对于气缸==6，…，第4-6行下降）。 我们怎样才能让8条线都下降？（第7行应为第一行。）

Summary（）如何剥离分组的另一个示例：

mtcars %>%
  select(cyl, gear, carb) %>%
  group_by(cyl, gear) %>%
  summarise(count = n())

Output:
Source: local data frame [8 x 3]
Groups: cyl

  cyl gear count
1   4    3     1
2   4    4     8
3   4    5     2
4   6    3     2
5   6    4     4
6   6    5     1
7   8    3    12
8   8    5     2

---
mtcars %>%
  select(cyl, gear, carb) %>%
  group_by(cyl, gear) %>%
  summarise(count = n()) %>%
  summarise(count1 = max(count))


Output:
Source: local data frame [3 x 2]

  cyl count1
1   4      8
2   6      4
3   8     12

---

mtcars %>%
  select(cyl, gear, carb) %>%
  group_by(cyl, gear) %>%
  summarise(count = n()) %>%
  summarise(count1 = max(count)) %>%
  summarise(max(count1))

Output:

Source: local data frame [1 x 1]

  max(count1)
1          12

尝试：

您将获得：

#Source: local data frame [8 x 3]
#
#  cyl gear count
#1   8    3    12
#2   4    4     8
#3   6    4     4
#4   4    5     2
#5   6    3     2
#6   8    5     2
#7   4    3     1
#8   6    5     1

---

您正在查找

解组

？在

mtcars%%>%中选择（气缸、档位、碳水化合物）%%>%分组依据（气缸、档位）%%>%汇总（计数=n（））%%>%ungroup（）%%>%排列（描述（计数））

？另外，您使用

fix

的目的是什么？您听说过

View

吗？

View

仅用于RStudio，没有？OP没有提到RStudio，所以他们可能没有使用它（OP-值得一试，RStudio中的制表符完成是一个巨大的时间节省，这只是它的许多便利之一）@Ben也存在于base Rthanks中！ungroup（）就是我要找的。Ops似乎有一些我不知道的R的基础知识。。。谢谢你指出这一点~啊，是的，我现在看到了：

#Source: local data frame [8 x 3]
#
#  cyl gear count
#1   8    3    12
#2   4    4     8
#3   6    4     4
#4   4    5     2
#5   6    3     2
#6   8    5     2
#7   4    3     1
#8   6    5     1