可以有条件地计算 dplyr::summarize() 的不同部分吗？

Question

是否可以让条件语句对 dplyr::summarize() 的不同部分进行操作？

假设我正在处理 iris 数据并输出摘要，我只想在请求时包含 Sepal.Length 的平均值。所以我可以做类似的事情：

data(iris)
include_length = T
if (include_length) {
  iris %>% 
    group_by(Species) %>%
    summarize(mean_sepal_width = mean(Sepal.Width), mean_sepal_length = mean(Sepal.Length))
} else {
  iris %>% 
    group_by(Species) %>%
    summarize(mean_sepal_width = mean(Sepal.Width))

}

但是有没有办法在管道内实现条件，这样就不需要重复了？

Answer 1

大约。

可能的解决方案：

library(magrittr)
library(dplyr)

data(iris)
include_length = T

iris %>%
  group_by(Species) %>%
  { if (include_length) {summarize(., mean_sepal_width = mean(Sepal.Width), mean_sepal_length = mean(Sepal.Length))} 
    else {summarize(., mean_sepal_width = mean(Sepal.Width))} 
  }

Answer 2

在 base R 中，您可以执行 c(x, if (d) y) 并根据 d 的值，您将在结果中包含或排除第二个元素。 x 和 y 可以是向量或列表。

这个技巧适用于 data.table，因为 return 表达式是一个列表：

library(data.table)
f = function(d) data.table(iris)[, c(
  .(mw = mean(Sepal.Width)), 
  if(d) .(ml = mean(Sepal.Length))
), by=Species]

用法

> f(TRUE)
      Species    mw    ml
1:     setosa 3.428 5.006
2: versicolor 2.770 5.936
3:  virginica 2.974 6.588
> f(FALSE)
      Species    mw
1:     setosa 3.428
2: versicolor 2.770
3:  virginica 2.974

在 DT[...] 中，.() 是 shorthand 用于 list()。您可能有想要打管道的原因，但我认为这个选项值得考虑。

Answer 3

有点hackish的方式：

iris %>%
    group_by(Species) %>%
    summarise(mean_sepal_length=if(include_length) mean(Sepal.Length) else NA,
              mean_sepal_width=mean(Sepal.Width))

如果 include_length == TRUE，这将创建一个列，否则为 NA。如果这是一个问题，您可以删除 post-processing 中的 NA 列。

Answer 4

您可以使用 dplyr SET 函数的 .dots 参数以编程方式进行评估，例如

library(dplyr)

take_means <- function(include_length){
    iris %>% 
        group_by(Species) %>%
        summarize_(mean_sepal_width = ~mean(Sepal.Width), 
                   .dots = if(include_length){
                       list(mean_sepal_length = ~mean(Sepal.Length))
                   })
}

take_means(TRUE)
#> # A tibble: 3 × 3
#>      Species mean_sepal_width mean_sepal_length
#>       <fctr>            <dbl>             <dbl>
#> 1     setosa            3.428             5.006
#> 2 versicolor            2.770             5.936
#> 3  virginica            2.974             6.588

take_means(FALSE)
#> # A tibble: 3 × 2
#>      Species mean_sepal_width
#>       <fctr>            <dbl>
#> 1     setosa            3.428
#> 2 versicolor            2.770
#> 3  virginica            2.974

可以有条件地计算 dplyr::summarize() 的不同部分吗？

Can different parts of dplyr::summarize() be computed conditionally?

r

dplyr

magrittr