折叠特定 rows/cases 的数据框

Question

我想折叠 data.frame 的某些特定行（最好在中使用 dplyr）。折叠应该通过函数 sum() 聚合一些列，其他列通过 mean() 聚合。

例如，让我们向 iris 数据集添加一个基于字符的唯一 ID。

iris_df <- iris[1:5,]
iris_df$ID <- paste("ID_",1:nrow(iris_df),sep="")

这是我们的起点：

structure(list(Sepal.Length = c(5.1, 4.9, 4.7, 4.6, 5), 
               Sepal.Width = c(3.5, 3, 3.2, 3.1, 3.6),
               Petal.Length = c(1.4, 1.4, 1.3, 1.5, 1.4), 
               Petal.Width = c(0.2, 0.2, 0.2, 0.2, 0.2),
               Species = structure(c(1L, 1L, 1L, 1L, 1L),
                                   .Label = c("setosa", "versicolor", "virginica"), class = "factor"),
               ID = c("ID_1", "ID_2", "ID_3", "ID_4","ID_5")),
          row.names = c(NA, 5L), class = "data.frame")

现在，我想折叠 ID==ID_1 + ID==ID_2 的情况。为此，应该将萼片值聚合为均值，将花瓣值聚合为总和。 ID 应该变成“ID_1+ID_2”（所以通过 paste() 聚合？）

最终结果应该是这样的：

structure(list(Sepal.Length = c(5.0, 4.7, 4.6, 5), 
               Sepal.Width = c(3.25, 3.2, 3.1, 3.6),
               Petal.Length = c(2.8, 1.3, 1.5, 1.4), 
               Petal.Width = c(0.4, 0.2, 0.2, 0.2),
               Species = structure(c(1L, 1L, 1L, 1L),
                                   .Label = c("setosa", "versicolor", "virginica"), class = "factor"),
               ID = c("ID_1+ID_2", "ID_3", "ID_4","ID_5")),
          row.names = c(NA, 4L), class = "data.frame")

可以使用 dplyr（使用 group_by() 和 summarize()）包来完成吗？

更新： 作为一些补充说明，所需的过程应该承认行索引不是先验已知的，例如只是 ID_x 和 ID_y 需要折叠（ID_x 可能是第 i 行，ID_y 在第 j 行）。

Answer 1

以下是实现所需输出的一种方法：

library(dplyr)
df %>% 
    slice(1:2) %>% 
    mutate(across(1:4, mean),
           ID = paste(ID[1], ID[2], sep = "+"),
           across(3:4, sum)) %>% 
    slice(1) %>% 
    bind_rows(df) %>% 
    slice(c(1, 4:6))

输出：

  Sepal.Length Sepal.Width Petal.Length Petal.Width Species        ID
1          5.0        3.25          2.8         0.4  setosa ID_1+ID_2
2          4.7        3.20          1.3         0.2  setosa      ID_3
3          4.6        3.10          1.5         0.2  setosa      ID_4
4          5.0        3.60          1.4         0.2  setosa      ID_5

Answer 2

我们可以使用 %in%

根据这些 ID 的存在创建一个分组

library(dplyr)
library(stringr)
df1 %>% 
   group_by(grp = case_when(ID %in% c("ID_1", "ID_2") ~ 0L, 
        TRUE ~ row_number()), Species) %>% 
   summarise(across(starts_with("Sepal"), mean), 
   across(starts_with("Petal"), sum), ID = str_c(ID, collapse="+"), 
         .groups = 'drop') %>% 
   select(-grp)

-输出

# A tibble: 4 x 6
  Species Sepal.Length Sepal.Width Petal.Length Petal.Width ID       
  <fct>          <dbl>       <dbl>        <dbl>       <dbl> <chr>    
1 setosa           5          3.25          2.8         0.4 ID_1+ID_2
2 setosa           4.7        3.2           1.3         0.2 ID_3     
3 setosa           4.6        3.1           1.5         0.2 ID_4     
4 setosa           5          3.6           1.4         0.2 ID_5

如果只有一个'Species'，那我们也可以用first

df1 %>% 
   group_by(grp = case_when(ID %in% c("ID_1", "ID_2") ~ 0L, 
        TRUE ~ row_number())) %>%  
   summarise(across(starts_with("Sepal"), mean), 
   across(starts_with("Petal"), sum), Species = first(Species), 
        ID = str_c(ID, collapse="+"), 
         .groups = 'drop') %>% 
   select(-grp)
# A tibble: 4 x 6
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species ID       
         <dbl>       <dbl>        <dbl>       <dbl> <fct>   <chr>    
1          5          3.25          2.8         0.4 setosa  ID_1+ID_2
2          4.7        3.2           1.3         0.2 setosa  ID_3     
3          4.6        3.1           1.5         0.2 setosa  ID_4     
4          5          3.6           1.4         0.2 setosa  ID_5

或者另一种选择是通过折叠 ID 或对 fct_collapse

的兴趣来创建新关卡

library(forcats)
df1 %>%
   group_by(grp = fct_collapse(ID, other = c("ID_1", "ID_2"))) %>% 
   summarise(across(starts_with("Sepal"), mean), 
   across(starts_with("Petal"), sum), Species = first(Species), 
        ID = str_c(ID, collapse="+"), 
         .groups = 'drop') %>% 
   select(-grp)
# A tibble: 4 x 6
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species ID       
         <dbl>       <dbl>        <dbl>       <dbl> <fct>   <chr>    
1          5          3.25          2.8         0.4 setosa  ID_1+ID_2
2          4.7        3.2           1.3         0.2 setosa  ID_3     
3          4.6        3.1           1.5         0.2 setosa  ID_4     
4          5          3.6           1.4         0.2 setosa  ID_5

折叠特定 rows/cases 的数据框

Collapse specific rows/cases of dataframe

r

dplyr

collapse