为大型因子数据集创建汇总统计（summarise_all），保留因子信息

Question

我有一个包含观察调查数据的大型数据集，我想将其汇总到国家/地区年级别（也用于因子），以便将该数据用作另一个数据集中的国家/地区级别数据。我想汇总的一个 df 具有以下 classes:

character  labelled   numeric 
       24       272        50

我很确定标记的 class 是 Hmisc 库的结果。

我是这样开始的，效果很好。

dfsum <- df %>%
 group_by(countryyear) %>%
 summarise_all(funs(if(is.numeric(.)) mean(., na.rm = TRUE) else first (.)))

令人惊讶的是，这给我留下了 244/346 个变量（我不知道为什么会是那个数字，任何解释都会很好）。

我想在 dfsum 中包含尽可能多的列。我意识到对于不会提供任何有用信息的无序因素，但它会为有序因素提供。例如，对于二进制变量，0 和 1 之间的值会给出每个类别的大小，而序数变量通常是比例。我尝试这样做：

dfsum <- df%>%
 group_by(countryyear) %>%
 summarise_all(funs(if(is.numeric(.)|is.factor(.)) mean(., na.rm = TRUE) else first (.)))

但这并没有真正做任何事情（没有添加任何额外的变量）。

更重要的是我想在总结过程中保留因素信息。是否有可能以某种不同的方式重新附加该信息？例如，它是一个二进制值（可能超过 50% 的原始变量是 0 或 1），或者添加比例（通过取原始变量的最小值和最大值）？

Answer 1

通过结合许多其他答案，请查看相应的链接，我设法按如下方式处理我的问题：

#1
as.numeric.factor <- function(x) {as.numeric(as.character(x))}
#2
df[] = lapply(df, as.numeric.factor)
#3
cols = sapply(df, is.numeric)
cols = names(cols)[cols]
#4
dfsummary = df[, lapply(.SD, mean, na.rm=TRUE), .SDcols = cols, by=countryyear]

为大型因子数据集创建汇总统计（summarise_all），保留因子信息

Creating summary statistics (summarise_all) for a large factor dataset, retaining factor info

r

class

dplyr

label

summarize

1, , 3, 4