前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >「R」数据汇总时自动生成多列

「R」数据汇总时自动生成多列

作者头像
王诗翔呀
发布2020-07-03 12:10:03
9430
发布2020-07-03 12:10:03
举报
文章被收录于专栏:优雅R

今天在使用dplyr数据分析时遇到一个问题,就是如何在分组汇总时自动生成多列。

下面的代码和数据源主要来自:https://stackoverflow.com/questions/51063842/create-multiple-columns-in-summarize,以计算分位数为例。

代码语言:javascript
复制
> library(dplyr)
> library(tidyr)
>
> Z <- data.frame(x = runif(1000, min = 0, max = 20)) %>%
+     mutate(y = rnorm(n(), mean = sin(x))) %>%
+     group_by(x.category = round(x))
> Z
# A tibble: 1,000 x 3
# Groups:   x.category [21]
        x       y x.category
    <dbl>   <dbl>      <dbl>
 1  0.670  0.121           1
 2 16.5    0.0702         16
 3 15.0   -1.47           15
 4  3.16  -0.595           3
 5 12.7   -0.915          13
 6  5.25  -0.540           5
 7  3.82  -0.671           4
 8 10.6   -2.33           11
 9 18.3    1.15           18
10  1.53   0.205           2
# … with 990 more rows

解法一

首先生成想要计算的分位数,然后再summarize()中用list()将结果包起来。这个办法的聪明之处在于解决了汇总时每个分组只能返回一个值的问题。

代码语言:javascript
复制
> probs <- c(0.25, 0.5, 0.75)
>
> Z %>%
+     summarize(x = mean(x),
+               quantile = list(quantile(y, probs)),
+               prob = list(probs)) %>%
+     unnest(cols = c("quantile", "prob"))
# A tibble: 63 x 4
   x.category     x quantile  prob
        <dbl> <dbl>    <dbl> <dbl>
 1          0 0.162    0.120  0.25
 2          0 0.162    0.576  0.5
 3          0 0.162    0.954  0.75
 4          1 1.00     0.119  0.25
 5          1 1.00     0.818  0.5
 6          1 1.00     1.51   0.75
 7          2 2.02     0.119  0.25
 8          2 2.02     0.556  0.5
 9          2 2.02     1.38   0.75
10          3 2.89    -0.418  0.25
# … with 53 more rows

去掉 unnest() 部分我们就可以看到精妙之处。

代码语言:javascript
复制
> Z %>%
+     summarize(x = mean(x),
+               quantile = list(quantile(y, probs)),
+               prob = list(probs))
# A tibble: 21 x 4
   x.category     x quantile  prob
        <dbl> <dbl> <list>    <list>
 1          0 0.162 <dbl [3]> <dbl [3]>
 2          1 1.00  <dbl [3]> <dbl [3]>
 3          2 2.02  <dbl [3]> <dbl [3]>
 4          3 2.89  <dbl [3]> <dbl [3]>
 5          4 3.95  <dbl [3]> <dbl [3]>
 6          5 5.00  <dbl [3]> <dbl [3]>
 7          6 5.99  <dbl [3]> <dbl [3]>
 8          7 7.04  <dbl [3]> <dbl [3]>
 9          8 7.98  <dbl [3]> <dbl [3]>
10          9 8.96  <dbl [3]> <dbl [3]>
# … with 11 more rows

只要进一步转换为宽格式就可以完成处理了。

代码语言:javascript
复制
> Z %>%
+   summarize(x = mean(x),
+             quantile = list(quantile(y, probs)),
+             prob = list(probs)) %>%
+   unnest(cols = c("quantile", "prob")) %>%
+   pivot_wider(names_from = "prob", values_from = "quantile")
# A tibble: 21 x 5
   x.category     x `0.25`   `0.5`  `0.75`
        <dbl> <dbl>  <dbl>   <dbl>   <dbl>
 1          0 0.162  0.120  0.576   0.954
 2          1 1.00   0.119  0.818   1.51
 3          2 2.02   0.119  0.556   1.38
 4          3 2.89  -0.418  0.0492  1.01
 5          4 3.95  -1.48  -1.16   -0.363
 6          5 5.00  -1.26  -0.591  -0.0489
 7          6 5.99  -1.19  -0.644   0.128
 8          7 7.04  -0.111  0.494   1.19
 9          8 7.98   0.302  1.10    1.70
10          9 8.96  -0.161  0.730   1.32
# … with 11 more rows

解法二

还有一种解法也非常巧妙,利用逗号分隔符先将结果拼起来。

代码语言:javascript
复制
> q = c(0.25, 0.5, 0.75)
> Z %>%
+     summarise(x = mean(x),
+               qtls = paste(quantile(y, q), collapse = ","))
# A tibble: 21 x 3
   x.category     x qtls
        <dbl> <dbl> <chr>
 1          0 0.162 0.120072116112535,0.575978614296194,0.95448088936774
 2          1 1.00  0.119032678946747,0.817605136591999,1.51100977230941
 3          2 2.02  0.118974463754045,0.55558427752219,1.37673188157502
 4          3 2.89  -0.417873321719452,0.0491691391974207,1.01255080037855
 5          4 3.95  -1.4814206722814,-1.16393051974191,-0.363080292142612
 6          5 5.00  -1.26150842194084,-0.590699875806735,-0.0489240190965984
 7          6 5.99  -1.19467973679591,-0.644474146111019,0.127766424109508
 8          7 7.04  -0.111463505167144,0.494006133975402,1.18883677903866
 9          8 7.98  0.301653284838848,1.0991386822569,1.70216573511269
10          9 8.96  -0.16083962000444,0.729929510376446,1.32344915438963
# … with 11 more rows

然后进一步使用 seperate() 函数解包:

代码语言:javascript
复制
> Z %>%
+     summarise(x = mean(x),
+               qtls = paste(quantile(y, q), collapse = ",")) %>%   # get quantile values as a string
+     separate(qtls, paste0("y_", 100*q), sep = ",", convert = T)   # separate quantile values and give corresponding names to columns
# A tibble: 21 x 5
   x.category     x   y_25    y_50    y_75
        <dbl> <dbl>  <dbl>   <dbl>   <dbl>
 1          0 0.162  0.120  0.576   0.954
 2          1 1.00   0.119  0.818   1.51
 3          2 2.02   0.119  0.556   1.38
 4          3 2.89  -0.418  0.0492  1.01
 5          4 3.95  -1.48  -1.16   -0.363
 6          5 5.00  -1.26  -0.591  -0.0489
 7          6 5.99  -1.19  -0.644   0.128
 8          7 7.04  -0.111  0.494   1.19
 9          8 7.98   0.302  1.10    1.70
10          9 8.96  -0.161  0.730   1.32
# … with 11 more rows

这个解法在命名上看起来更有优势。

参考:https://stackoverflow.com/questions/51063842/create-multiple-columns-in-summarize

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2020-04-17,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 优雅R 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 解法一
  • 解法二
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档