同时导出 dplyr 中分组值的唯一值和汇总值计数的有效方法

Question

我有兴趣找到一种有效的方式来获取按组 table 的摘要，其中将包含：

计算每组的唯一值
选定变量的一组原始描述性统计数据

例如，在生成描述性统计信息的情况下，我使用以下代码：

data("mtcars")
require(dplyr)
mt_sum <- mtcars %>% 
  group_by(cyl) %>% 
  summarise_each(funs(min,max), hp, wt, disp)

这将生成所需的输出：

> head(mt_sum)

Source: local data frame [3 x 7]

    cyl hp_min wt_min disp_min hp_max wt_max disp_max
  (dbl)  (dbl)  (dbl)    (dbl)  (dbl)  (dbl)    (dbl)
1     4     52  1.513     71.1    113  3.190    146.7
2     6    105  2.620    145.0    175  3.460    258.0
3     8    150  3.170    275.8    335  5.424    472.0

我有兴趣用能够反映每个组的值计数的图形来丰富数据。关于计数，可以简单地做到这一点：

mt_sum2 <- mtcars %>% 
  group_by(cyl) %>% 
  summarise(countObs = n())

这将生成所需的数据：

> head(mt_sum2)
Source: local data frame [3 x 2]

    cyl countObs
  (dbl)    (int)
1     4       11
2     6        7
3     8       14

问题

当我想同时应用两个转换时出现问题。

尝试 1

例如代码：

mt_sum <- mtcars %>% 
  group_by(cyl) %>% 
  summarise_each(funs(min,max), hp, wt, disp) %>% 
  summarise(countObs = n())

会生成：

Source: local data frame [3 x 2]

    cyl countObs
  (dbl)    (int)
1     4       11
2     6        7
3     8       14

没有之前生成的描述性统计数据。

尝试 2

代码：

mt_sum <- mtcars %>% 
  group_by(cyl) %>% 
  summarise_each(funs(min,max,n), hp, wt, disp)

预计会失败：

Error: n does not take arguments

尝试 3（有效）

代码：

data("mtcars")
require(dplyr)
mt_sum <- mtcars %>% 
  group_by(cyl) %>% 
  summarise_each(funs(min,max), hp, wt, disp) %>% 
  left_join(y = data.frame(
    "Var1" = as.numeric(as.character(as.data.frame(table(mtcars$cyl))$Var1)),
    "Count" = as.character(as.data.frame(table(mtcars$cyl))$Freq)),
            by = c("cyl" = "Var1"))

将提供所需数据：

> head(mt_sum)
Source: local data frame [3 x 8]

    cyl hp_min wt_min disp_min hp_max wt_max disp_max  Count
  (dbl)  (dbl)  (dbl)    (dbl)  (dbl)  (dbl)    (dbl) (fctr)
1     4     52  1.513     71.1    113  3.190    146.7     11
2     6    105  2.620    145.0    175  3.460    258.0      7
3     8    150  3.170    275.8    335  5.424    472.0     14

我认为这是生成此摘要的一种极其低效的方式。特别是，在处理大型 table 时，动态创建对象效率低下。我有兴趣以更有效的方式实现相同的结果，而不涉及仅为了合并目的而创建对象。特别是，我想在 dplyr 中做的事情对应于从 table 的先前版本中导出额外的摘要。例如：

组
生成描述性统计数据
返回组后的数据
生成一些额外的统计数据并添加到最终数据中

Answer 1

这是使用 left_join 的另一个（较短的）选项：

mtcars %>% 
    group_by(cyl) %>%  
    summarise_each(funs(min,max), hp, wt, disp) %>% 
    left_join(count(mtcars, cyl))
#Joining by: "cyl"
#Source: local data frame [3 x 8]
#
#    cyl hp_min wt_min disp_min hp_max wt_max disp_max     n
#  (dbl)  (dbl)  (dbl)    (dbl)  (dbl)  (dbl)    (dbl) (int)
#1     4     52  1.513     71.1    113  3.190    146.7    11
#2     6    105  2.620    145.0    175  3.460    258.0     7
#3     8    150  3.170    275.8    335  5.424    472.0    14

同时导出 dplyr 中分组值的唯一值和汇总值计数的有效方法

Efficient way of simultaneously deriving count of unique values and summary values for grouped values in dplyr

aggregate

r

group-summaries

dataframe

dplyr

问题

尝试 1

尝试 2

尝试 3（有效）