将 dplyr 的 do() 与 summary() 结合使用

Question

我希望能够使用 dplyr 的拆分-应用-组合策略来应用 summary() 命令。

取一个简单的数据框：

df <- data.frame(class = c('A', 'A', 'B', 'B'),
                 value = c(100, 120, 800, 880))

理想情况下我们会这样做：

df %>%
  group_by(class) %>%
  do(summary(.$value))

不幸的是，这不起作用。有任何想法吗？

Answer 1

do 的行为将根据您是否为其提供命名或未命名参数而改变。对于未命名的参数，它期望每个组都有一个 data.frame，它们将被绑定在一起。对于命名参数，它将为每个组创建一行，并将输出的任何内容放入具有该名称的新变量中。

所以在这种情况下我们会抱怨未命名的使用（summary 不会产生 data.frame）但是命名的使用会起作用：

df %>%
  group_by(class) %>%
  do(summaries = summary(.$value)) ->
  df2

给出：

Source: local data frame [2 x 2]
Groups: <by row>

   class                  summaries
  (fctr)                      (chr)
1      A <S3:summaryDefault, table>
2      B <S3:summaryDefault, table>

我们可以访问这样的摘要：

df2$summaries[[1]]

给予：

Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
100     105     110     110     115     120

将所有这些作为 df 的新列只能通过首先将输出转换为 data.frame 来完成，如其他答案中所示。

所以这里问题的根源是 summary 输出 table 而不是 data.frame。

Answer 2

您可以使用data_frame的SE版本，即data_frame_并执行：

df %>%
  group_by(class) %>%
  do(data_frame_(summary(.$value)))

或者，您可以使用 data.frame() 包装的 as.list() 和参数 check.names = FALSE:

df %>%
  group_by(class) %>%
  do(data.frame(as.list(summary(.$value)), check.names = FALSE))

两个版本都产生：

# Source: local data frame [2 x 7]
# Groups: class [2]
# 
#    class  Min. 1st Qu. Median  Mean 3rd Qu.  Max.
#   (fctr) (dbl)   (dbl)  (dbl) (dbl)   (dbl) (dbl)
# 1      A   100     105    110   110     115   120
# 2      B   800     820    840   840     860   880

Answer 3

问题是 dplyr 的 do() 仅适用于 data.frame.

形式的输入

broom package 的 tidy() 函数可用于将 summary() 的输出转换为 data.frame。

df %>%
  group_by(class) %>%
  do( tidy(summary(.$value)) )

这给出：

Source: local data frame [2 x 7]
Groups: class [2]

   class minimum    q1 median  mean    q3 maximum
  (fctr)   (dbl) (dbl)  (dbl) (dbl) (dbl)   (dbl)
1      A     100   105    110   110   115     120
2      B     800   820    840   840   860     880

将 dplyr 的 do() 与 summary() 结合使用

using dplyr's do() with summary()

r

summary

dplyr