summarise_all 附加参数是向量

Question

假设我有一个数据框：

df <- data.frame(a = 1:10, 
                 b = 1:10, 
                 c = 1:10)

我想对每一列应用几个汇总函数，所以我使用 dplyr::summarise_all

library(dplyr)

df %>% summarise_all(.funs = c(mean, sum))
#   a_fn1 b_fn1 c_fn1 a_fn2 b_fn2 c_fn2
# 1   5.5   5.5   5.5    55    55    55

效果很好！现在，假设我有一个函数需要一个额外的参数。例如，此函数计算列中超过阈值的元素数。（注意：这是一个玩具示例，不是真正的功能。）

n_above_threshold <- function(x, threshold) sum(x > threshold)

所以，这个函数是这样工作的：

n_above_threshold(1:10, 5)
#[1] 5

我可以像以前一样将它应用于所有列，但这次传递附加参数，如下所示：

df %>% summarise_all(.funs = c(mean, n_above_threshold), threshold = 5)
#   a_fn1 b_fn1 c_fn1 a_fn2 b_fn2 c_fn2
# 1   5.5   5.5   5.5     5     5     5

但是，假设我有一个阈值向量，其中每个元素对应一列。比如说，c(1, 5, 7) 对于我上面的例子。当然，我不能简单地这样做，因为它没有任何意义：

df %>% summarise_all(.funs = c(mean, n_above_threshold), threshold = c(1, 5, 7))

如果我使用的是基础 R，我可能会这样做：

> mapply(n_above_threshold, df, c(1, 5, 7))
# a b c 
# 9 5 3

有没有办法将此结果作为 dplyr 管道工作流的一部分，就像我在更简单的情况下使用的那样？

Answer 1

dplyr 提供了一堆 context-dependent 函数。一个是cur_column()。您可以在 summarise 中使用它来查找给定列的阈值。

library("tidyverse")

df <- data.frame(
  a = 1:10,
  b = 1:10,
  c = 1:10
)

n_above_threshold <- function(x, threshold) sum(x > threshold)

# Pair the parameters with the columns
thresholds <- c(1, 5, 7)
names(thresholds) <- colnames(df)

df %>%
  summarise(
    across(
      everything(),
      # Use `cur_column()` to access each column name in turn
      list(count = ~ n_above_threshold(.x, thresholds[cur_column()]),
           mean = mean)
    )
  )
#>   a_count a_mean b_count b_mean c_count c_mean
#> 1       9    5.5       5    5.5       3    5.5

如果当前列名没有已知阈值，则此 returns NA 静默。这是您可能希望或可能不希望发生的事情。

df %>%
  # Add extra column to show what happens if we don't know the threshold for a column
  mutate(
    x = 1:10
  ) %>%
  summarise(
    across(
      everything(),
      # Use `cur_column()` to access each column name in turn
      list(count = ~ n_above_threshold(.x, thresholds[cur_column()]),
           mean = mean)
    )
  )
#>   a_count a_mean b_count b_mean c_count c_mean x_count x_mean
#> 1       9    5.5       5    5.5       3    5.5      NA    5.5

^{由 reprex package (v2.0.1)}

创建于 2022-03-11

summarise_all 附加参数是向量

summarise_all with additional parameter that is a vector

r

dplyr

summarize