dplyr-使用变量名对多个列进行分组

我正在与R Shinny合作进行一些探索性的数据分析。我有两个复选框输入，只包含用户选择的选项。第一个复选框输入仅包含分类变量；第二个复选框仅包含数值变量。接下来，我对这两个选项应用

groupby

：

var1 <- input$variable1      # Checkbox with categorical variables
var2 <- input$variable2      # Checkbox with numerical variables

v$data <- dataset %>%
  group_by_(var1) %>%
  summarize_(Sum = interp(~sum(x), x = as.name(var2))) %>%
  arrange(desc(Sum))

var1%
安排（说明（总和））

当仅选择一个分类变量时，此

groupby

工作正常。当选择多个分类变量时，此

groupby

返回一个具有列名的数组。如何将此列名数组传递给

dplyr

的

groupby

dplyr版本>1.0 对于较新版本的

dplyr

，您应该在

中使用
以及tidyselect helper函数。有关所有帮助程序函数的列表，请参见
帮助（“语言”，“tidyselect”）
。在这种情况下，如果希望字符向量中的所有列，请使用
all\u of（）

您可以使用
rlang
包中的帮助程序，该包由创建
dplyr
的团队创建。使用
dplyr
和其他tidyverse软件包时，不必加载
rlang
软件包即可使用这些帮助程序

具体来说，您可以使用
syms
功能和
功能如下：

library(dplyr)

group_cols <- c("vs", "am")

mtcars %>% 
  group_by(!!!syms(group_cols)) %>% 
  summarize(mean_wt = mean(wt))

库（dplyr）
集团成本%
分组人（！！！符号（分组））%>%
汇总（平均值=平均值）

这说明了
是如何
运算符和
sym
函数用于单个列名（即长度为一个字符的向量）。
最新版本的
dplyr
包包括
groupby
的变体，例如
groupby\u if
和
groupby\u at
。您可以使用这些选项执行与
select
函数类似的语法的列选择

正如您可以使用
select（my\u data，一个/u（group\u cols））
选择列列表一样，您也可以使用
group\u by\u at
执行以下操作：

library(dplyr)

group_cols <- c("vs", "am")

mtcars %>% 
  group_by_at(.vars = vars(one_of(group_cols))) %>% 
  summarize(mean_wt = mean(wt))

库（dplyr）
集团成本%
一组一组（.vars=vars（一组中的一组））%>%
汇总（平均值=平均值）
对于
dplyr 1.0.0
，我们基于“正常”的
组有以下可能性：

library(dplyr)

group_cols <- c("vs", "am")

mtcars %>% 
  group_by(across(all_of(group_cols))) %>% 
  summarize(mean_wt = mean(wt))

库（dplyr）
集团成本%
分组依据（跨越（所有分组））%>%
汇总（平均值=平均值）
当用户选择时，我有11个分类变量，比如说它在
var1
中给我3个分类变量“dish\u name”“dish\u type”[3]“user\u location\u grp”
如何将这个数组传递给groupby。因为这些答案是根本不同的方法。如果用户发现一种方法比另一种方法更有用，投票过程将清楚地表明这一点。有两篇帖子对读者没有害处，我很乐意分别对这两篇帖子发表评论和编辑。请参阅在此类情况下建议使用多个答案。应注意的是，
groupby（）
函数已被软性弃用，最终将从
dplyr
包中删除。groupby（在本例中，是（？）中是否需要所有答案。
library(dplyr)

group_cols <- c("vs", "am")

mtcars %>% 
  group_by_at(.vars = vars(one_of(group_cols))) %>% 
  summarize(mean_wt = mean(wt))

library(dplyr)

group_cols <- c("vs", "am")

mtcars %>% 
  group_by(across(all_of(group_cols))) %>% 
  summarize(mean_wt = mean(wt))