dplyr 总结函数 return 何时为向量值？

Question

dplyr::summarize() 函数可以对数据应用任意函数，但函数似乎必须 return 一个标量值。我很好奇是否有一种合理的方法来处理 return 向量值的函数，而无需多次调用该函数。

这是一个有点傻的最小示例。考虑一个给出多个值的函数，例如：

f <- function(x,y){
  coef(lm(x ~ y, data.frame(x=x,y=y)))
}

数据看起来像：

df <- data.frame(group=c('A','A','A','A','B','B','B','B','C','C','C','C'), x=rnorm(12,1,1), y=rnorm(12,1,1))

我想做类似的事情：

df %>% 
group_by(group) %>%
summarise(f(x,y))

并返回一个 table，其中为每个 returned 值添加了 2 列，而不是通常的 1 列。相反，这个错误是：Expecting single value

当然我们可以通过多次给函数参数从dlpyr::summarise()中得到多个值：

f1 <- function(x,y) coef(lm(x ~ y, data.frame(x=x,y=y)))[[1]]
f2 <- function(x,y) coef(lm(x ~ y, data.frame(x=x,y=y)))[[2]]

df %>% 
group_by(group) %>%
summarise(a = f1(x,y), b = f2(x,y))

这给出了所需的输出：

  group         a            b
1     A 1.7957245 -0.339992915
2     B 0.5283379 -0.004325209
3     C 1.0797647 -0.074393457

但是以这种方式编码非常粗糙和丑陋。

data.table 更简洁地处理了这种情况：

dt <- as.data.table(df)
dt[, f(x,y), by="group"]

但是创建了一个使用额外的行而不是额外的列扩展 table 的输出，导致输出既混乱又难以处理：

 group           V1
1:     A  1.795724536
2:     A -0.339992915
3:     B  0.528337890
4:     B -0.004325209
5:     C  1.079764710
6:     C -0.074393457

当然还有更多经典的apply策略我们可以在这里使用，

sapply(levels(df$group), function(x) coef(lm(x~y, df[df$group == x, ])))


                     A            B           C
(Intercept)  1.7957245  0.528337890  1.07976471
y           -0.3399929 -0.004325209 -0.07439346

但这牺牲了优雅，我怀疑分组的速度。特别要注意的是，在这种情况下我们不能使用预定义函数 f，而是必须将分组硬编码到函数定义中。

是否有dplyr函数来处理这种情况？如果不是，是否有更优雅的方法来处理按组评估 data.frame 上的向量值函数的过程？

Answer 1

你可以试试do

library(dplyr)
 df %>%
    group_by(group) %>%
    do(setNames(data.frame(t(f(.$x, .$y))), letters[1:2]))
 # group         a           b
 #1     A 0.8983217 -0.04108092
 #2     B 0.8945354  0.44905220
 #3     C 1.2244023 -1.00715248

基于f1和f2的输出是

df %>% 
  group_by(group) %>%
  summarise(a = f1(x,y), b = f2(x,y))
#  group         a           b
#1     A 0.8983217 -0.04108092
#2     B 0.8945354  0.44905220
#3     C 1.2244023 -1.00715248

更新

如果您使用 data.table，获得类似结果的选项是

 library(data.table)
 setnames(setDT(df)[, as.list(f(x,y)) , group], 2:3, c('a', 'b'))[]

Answer 2

这就是为什么我仍然喜欢plyr::ddply():

library(plyr)
f <- function(z) setNames(coef(lm(x ~ y, z)), c("a", "b"))
ddply(df, ~ group, f)
#   group           a          b
# 1     A   0.5213133 0.04624656
# 2     B   0.3020656 0.01450137
# 3     C   0.2189537 0.22998823

dplyr 总结函数 return 何时为向量值？

dplyr summarise when function return is vector-valued?

r

dplyr

更新