我在
dplyr
上有点挣扎,因为我想同时做两件事,想知道这是否可能。
我想计算值的平均值,同时计算在其他列中具有特定值的值的平均值。
library(dplyr)
set.seed(1234)
df <- data.frame(id=rep(1:10, each=14),
tp=letters[1:14],
value_type=sample(LETTERS[1:3], 140, replace=TRUE),
values=runif(140))
df %>%
group_by(id, tp) %>%
summarise(
all_mean=mean(values),
A_mean=mean(values), # Only the values with value_type A
value_count=sum(value_type == 'A')
)
因此
A_mean
列应计算 values
的平均值,其中 value_type == 'A'
。
我通常会执行两个单独的命令并稍后合并结果,但我想有一种更方便的方法,但我只是不明白。
提前致谢。
我们可以尝试
df %>%
group_by(id, tp) %>%
summarise(all_mean = mean(values),
A_mean = mean(values[value_type=="A"]),
value_count=sum(value_type == 'A'))
您可以通过两个摘要步骤来完成此操作:
df %>%
group_by(id, tp, value_type) %>%
summarise(A_mean = mean(values)) %>%
summarise(all_mean = mean(A_mean),
A_mean = sum(A_mean * (value_type == "A")),
value_count = sum(value_type == "A"))
第一个汇总计算每个
value_type
的平均值,第二个“总和”仅计算 value_type == "A"
的平均值
您还可以尝试以下功能:
?summarise_if
(函数族是
summarise_all
)
dplyr 文档提供了一个很好的例子,我认为:
# The _if() variants apply a predicate function (a function that
# returns TRUE or FALSE) to determine the relevant subset of
# columns. Here we apply mean() to the numeric columns:
starwars %>%
summarise_if(is.numeric, mean, na.rm = TRUE)
#> # A tibble: 1 x 3
#> height mass birth_year
#> <dbl> <dbl> <dbl>
#> 1 174. 97.3 87.6
这里有趣的是
predicate
函数。这表示选择必须汇总的列的规则。