Dplyr 多个管道动态变量？

Question

我经常这样做：

library(tidyverse)

iris %>% 
  group_by(Species) %>% 
  summarise(num_Species = n_distinct(Species)) %>% 
  mutate(perc_Species = 100 * num_Species / sum(num_Species))

所以我想创建一个输出相同内容但具有动态命名的 num_ 和 perc_ 列的函数：

num_perc <- function(df, group_var, summary_var) {
  
}

我发现 this resource 很有用，但它没有直接说明如何以我想要的方式重用新创建的列名。

Answer 1

您可以做的是在 group_var 上使用 as_label(enquo()) 提取作为字符向量传递的变量以生成新列。您可以在您发送的链接文档中看到一个明显的例子 6.1.3。通过这种方式，我们可以动态地将 num_ 和 perc_ 添加到您的摘要变量中，只需传入 df 和 group_var.

library(dplyr)

num_perc <- function(df, group_var) {
  summary_lbl <- as_label(enquo(group_var))
  num_lbl <- paste0("num_", summary_lbl)
  perc_lbl <- paste0("perc_", summary_lbl)
  
  df %>%
    group_by({{ group_var }}) %>%
    summarize(!!num_lbl := n_distinct({{ group_var }})) %>%
    mutate(!!perc_lbl := 100 * .data[[num_lbl]] / sum(.data[[num_lbl]]))
}

num_perc(iris, Species)
#> # A tibble: 3 × 3
#>   Species    num_Species perc_Species
#>   <fct>            <int>        <dbl>
#> 1 setosa               1         33.3
#> 2 versicolor           1         33.3
#> 3 virginica            1         33.3

在这种情况下，group_var 和 summary_var 实际上不同，但本质上是相同的解决方案。

num_perc <- function(df, group_var, summary_var) {
  summary_lbl <- as_label(enquo(summary_var))
  num_lbl <- paste0("num_", summary_lbl)
  perc_lbl <- paste0("perc_", summary_lbl)
  
  df %>%
    group_by({{ group_var }}) %>%
    summarize(!!num_lbl := n_distinct({{ summary_var }})) %>%
    mutate(!!perc_lbl := 100 * .data[[num_lbl]] / sum(.data[[num_lbl]]))
}

num_perc(iris, Species, Species)

Answer 2

您确定 n_distinct 是您想要的吗？在鸢尾花数据集的情况下，有三个物种 - setosa、versicolor、virginica。因此，每个物种都是 1/3 独特的物种。 Iris 数据集是平衡的，因为每个物种有 50 个，因此每个物种代表数据集的 1/3，但更普遍的情况并非如此。

具有数据屏蔽功能的函数将为您覆盖不平衡的数据集：

library(dplyr)
my_func <- function(df, var, percent){
  df %>%
    count({{var}}) %>%
    mutate(percent = 100 * n/sum(n))
}

my_func(iris, Species, percent)

iris %>%
  my_func(Species, percent) #or with pipe

Answer 3

另一种可能的解决方案，它使用 deparse(substitute(...)) 将函数参数的名称作为字符串获取：

library(tidyverse)

f <- function(df, group_var, summary_var)
{
  group_var <- deparse(substitute(group_var))
  summary_var <- deparse(substitute(summary_var))

  df %>% 
    group_by(!!sym(group_var)) %>% 
    summarise(!!str_c("num_", summary_var) := n_distinct(summary_var)) %>% 
    mutate(!!str_c("per_", summary_var) := 100 * !!sym(str_c("num_", summary_var)) / sum(!!sym(str_c("num_", summary_var))))
}

f(iris, Species, Species)

#> # A tibble: 3 × 3
#>   Species    num_Species per_Species
#>   <fct>            <int>       <dbl>
#> 1 setosa               1        33.3
#> 2 versicolor           1        33.3
#> 3 virginica            1        33.3

Dplyr 多个管道动态变量？

Dplyr multiple piped dynamic variables?

r

dplyr

tidyeval