我是 tidyverse 的新手,从概念上讲,我想计算以“ab”开头、按“case”分组的所有列的平均值和 90% CI。尝试了很多方法,但似乎都不起作用,我的实际数据有很多列,所以明确列出它们不是一个选择。
library(tidyverse)
dat <- tibble(case= c("case1", "case1", "case2", "case2", "case3"),
abc = c(1, 2, 3, 1, 2),
abe = c(1, 3, 2, 3, 4),
bca = c(1, 6, 3, 8, 9))
dat %>% group_by(`case`) %>%
summarise(mean=mean(select(starts_with("ab"))),
qt=quantile(select(starts_with("ab"), prob=c(0.05, 0.95))))
case abc_mean abe_mean abc_lb abc_ub abe_lb abe_ub
<chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 case1 1.5 2.0 1.05 1.95 1.10 2.90
2 case2 2.0 2.5 1.10 2.90 2.05 2.95
3 case3 2.0 4.0 2.00 2.00 4.00 4.00
另一个选项是
summarise_at
。 vars(starts_with("ab"))
用于选择列,funs(...)
用于应用汇总功能。
library(tidyverse)
dat2 <- dat %>%
group_by(case) %>%
summarise_at(vars(starts_with("ab")), funs(mean = mean(.),
lb = quantile(., prob = 0.05),
ub = quantile(., prob = 0.95)))
dat2
# # A tibble: 3 x 7
# case abc_mean abe_mean abc_lb abe_lb abc_ub abe_ub
# <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
# 1 case1 1.5 2.0 1.05 1.10 1.95 2.90
# 2 case2 2.0 2.5 1.10 2.05 2.90 2.95
# 3 case3 2.0 4.0 2.00 4.00 2.00 4.00
具有
across
功能的更新选项。
dat2 <- dat %>%
group_by(case) %>%
summarise(across(starts_with("ab"), .fns = list(
mean = ~mean(.x),
lb = ~quantile(.x, prob = 0.05),
ub = ~quantile(.x, prob = 0.95))
))
dat2
# # A tibble: 3 × 7
# case abc_mean abe_mean abc_lb abe_lb abc_ub abe_ub
# <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
# 1 case1 1.5 2 1.05 1.1 1.95 2.9
# 2 case2 2 2.5 1.1 2.05 2.9 2.95
# 3 case3 2 4 2 4 2 4
您非常接近,只需将
select
移到 summarise
之前即可。然后我们使用 summarise_all
,并在 funs
中指定适当的函数。
dat %>%
group_by(case) %>%
select(starts_with('ab')) %>%
summarise_all(funs('mean' = mean, 'ub' = quantile(., .95), 'lb' = quantile(., .05)))
# # A tibble: 3 x 7
# case abc_mean abe_mean abc_ub abe_ub abc_lb abe_lb
# <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
# 1 case1 1.5 2.0 1.95 2.90 1.05 1.10
# 2 case2 2.0 2.5 2.90 2.95 1.10 2.05
# 3 case3 2.0 4.0 2.00 4.00 2.00 4.00
我们使用
summarise_all
而不是 summarise
,因为我们希望对 多个 列执行相同的操作。使用 summarise_all
而不是使用 summarise
调用(在调用中我们分别指定每一列和每个操作)需要更少的输入。