如何在 dplyr 总结中组合不同的输入变量和不同的函数

Question

我需要对数据框进行分组和汇总，根据要汇总的变量使用不同的汇总函数。这些函数可以有不同的主要参数和可选参数，我想编写一个可以完成所有这些的函数。

以下是我设法编写的更简单的函数，只是为了展示它的逻辑。

require(tidyverse)
require(magrittr)
require(rlang)

example <- data.frame(y = as.factor(c('A','B','C','A','B')),
                      x1 = c(7, 10, NA, NA, 2),
                      x2 = c(13, 0, 0, 2, 1),
                      z = c(0, 1, 0, 1, 0))

# Summarise variables with common prefix
do_summary_prefix <- function(dataset, y, prefix, fun, ...){
    y <- enquo(y)
    prefix <- quo_name(enquo(prefix))
    fun <- match.fun(fun)
    dataset  %<>%  
       group_by(!!y) %>% 
       summarise_at(vars(starts_with(prefix)), funs(fun), ...) %>% 
       ungroup()
    return(dataset)
}
do_summary_prefix(example, y, x, 'quantile', probs = 0.25, na.rm = T) 

# Summarise variables with different names, one at a time
do_summary_x <- function(dataset, y, x, fun, ...){
    y <- enquo(y)
    x <- enquo(x)

    dataset  %<>%  
       group_by(!!y) %>% 
       summarise(!!paste(quo_name(x), fun, sep = '_') := do.call(match.fun(fun), list(x = !!x, ...))) %>% 
       ungroup()
    return(dataset)
}
do_summary_x(example, y, x1, fun = 'mean', na.rm = F)

这对我来说没问题，我可以使用 do_summary_x 对我想要总结的变量进行循环以完成工作。但我想将循环集成到更高级别的函数中，利用 ...，同时仍然能够为我的汇总函数使用不同的参数。

我知道我不能将 ... 用于不同的子级函数，所以我将传递前一个（我的变量或函数参数）作为列表，并使用 do.call.对我来说更自然的做法是为输入变量保留 ... 并添加始终命名的带有列表的参数。这就是我的目的：

#install.packages('plyr') # if needed
join_all <- plyr::join_all

do_summary <- function(dataset, y, ..., fun, other_args = list(NULL = 
    NULL)){
    y_quo <- enquo(y)
    y_name <- quo_name(y_quo)

    values <- quos(...)

    datasets <- lapply(values, function(value){
      summarised_data <- dataset %>% 
      group_by(!!y_quo) %>% 
      summarise(calcul = do.call(fun, 
                                 unlist(list(list(x = !!value),
                                             other_args),
                                        recursive = F))) %>%
      ungroup() %>%
      rename(!!paste(quo_name(value), stat, sep = '_') := calcul)
    return(summarised_data)
  })
  finished <- join_all(datasets, by = y_name, type = 'left')
  return(finished)
}
do_summary(example, y,
           x1, x2, z,
           stat = 'quantile',
           other_args = list(probs = 0.1, na.rm = T))
do_summary(example, y,
           x1, x2, z,
           fun = 'mean')

这工作正常，所以我总体上很满意，但这只适用于具有 x 第一个参数的函数。

假设我还想更改 fun 的第一个参数的名称，即此处的 x。我该怎么办？

我还没有找到一个解决方案来引用然后在 do.call 中注入类似 changing_arg = !!x 的东西，或者合理地使用 list(!!changing_arg := !!x)

Answer 1

以下是我将如何简化您的函数：

library(dplyr)
library(rlang)

do_summary <- function(dataset, y, ..., fun, other_args = list(NULL = NULL)){

  y_quo <- enquo(y)
  values <- quos(...)

  datasets <- dataset %>% 
      group_by(!!y_quo) %>% 
      summarise_at(vars(!!!values), .funs = fun, !!!other_args) %>%
      rename_at(vars(!!!values), paste, fun, sep = "_")

  return(datasets)
}

do_summary(example, y,
           x1, x2, z,
           fun = 'quantile',
           other_args = list(probs = 0.1, na.rm = T))

do_summary(example, y,
           x1, x2, z,
           fun = 'mean')

结果：

# A tibble: 3 x 4
       y x1_quantile x2_quantile z_quantile
  <fctr>       <dbl>       <dbl>      <dbl>
1      A         7.0         3.1        0.1
2      B         2.8         0.1        0.1
3      C          NA         0.0        0.0

# A tibble: 3 x 4
       y x1_mean x2_mean z_mean
  <fctr>   <dbl>   <dbl>  <dbl>
1      A      NA     7.5    0.5
2      B       6     0.5    0.5
3      C      NA     0.0    0.0

备注：

而不是使用 lapply 循环遍历每个 values，您可以简单地使用 summarise_at 和 rename_at 并提供 values通过使用 !!! 显式拼接到 vars。
fun 然后提供给 summarise_at 的 .funs 参数，同样，您可以显式拼接 other_args 和 !!! .例如 list(probs = 0.1, na.rm = T) 变成 probs = 0.1, na.rm = T.
rename_at 的想法相同。使用vars并显式拼接values。另一种方法是编写 rename_at(vars(-y_name), ...)，因为 summarise_at returns 仅对列和汇总列进行分组。
这个方法去掉了lapply，summarise和中的尴尬do.calljoin_all 最后（y_name 因此也不需要）。
你最后的 do_summary 调用 quantile 似乎是一个错字，而不是 stat = "quantile"，我想你的意思是 fun = "quantile"
请注意，此函数仅在您以字符串形式提供函数名称时才有效。

如何在 dplyr 总结中组合不同的输入变量和不同的函数

How do I combine varying input variables and varying functions in dplyr summarise

r

dplyr

rlang