如何使用 R dplyr 的 summarize 来计算符合条件的行数？

Question

我有一个要总结的数据集。首先，我想要主场和客场比赛的总和，我可以做到。但是，我还想知道每个子类别（主场、客场）中有多少异常值（定义为超过 300 分）。

如果我没有使用总结，我知道 dplyr 有 count() 功能，但我希望这个解决方案出现在我的 summarize() 调用中。这是我所拥有的和我尝试过的，但未能执行：

#Test data
library(dplyr)

test <- tibble(score = c(100, 150, 200, 301, 150, 345, 102, 131),
                  location = c("home", "away", "home", "away", "home", "away", "home", "away"),
                  more_than_300 = c(FALSE, FALSE, FALSE, TRUE, FALSE, TRUE, FALSE, FALSE))


#attempt 1, count rows that match a criteria
test %>%
  group_by(location) %>%
  summarize(total_score = sum(score),
            n_outliers = nrow(.[more_than_300 == FALSE]))

Answer 1

您可以在逻辑向量上使用 sum - 它会自动将它们转换为数值（TRUE 等于 1，FALSE 等于 0），因此您需要只做：

test %>%
  group_by(location) %>%
  summarize(total_score = sum(score),
            n_outliers  = sum(more_than_300))
#> # A tibble: 2 x 3
#>   location total_score n_outliers
#>   <chr>          <dbl>      <int>
#> 1 away             927          2
#> 2 home             552          0

或者，如果这些是您仅有的 3 列，则等效项为：

test %>%
  group_by(location) %>%
  summarize(across(everything(), sum))

事实上，您不需要制作 more_than_300 列 - 这样做就足够了：

test %>%
  group_by(location) %>%
  summarize(total_score = sum(score),
            n_outliers  = sum(score > 300))

Answer 2

在 base R 中，我们可以这样尝试 aggregate

> aggregate(.~location,test,sum)
  location score more_than_300
1     away   927             2
2     home   552             0

Answer 3

在基数 xtabs 中可用于对每组求和。

xtabs(cbind(score, more_than_300) ~ ., test)
#location score more_than_300
#    away   927             2
#    home   552             0

或者通过动态计算异常值并给出所需的列名。

xtabs(cbind(total_score = score, n_outliers = score > 300) ~ location, test)
#location total_score n_outliers
#    away         927          2
#    home         552          0

另一个选项，也在基础中，将是 rowsum。

with(test, rowsum(cbind(total_score = score, n_outliers = score > 300), location))
#     total_score n_outliers
#away         927          2
#home         552          0

xtabs 和 rowsum 专门计算每组的总和，可能在此任务中表现出色。

如何使用 R dplyr 的 summarize 来计算符合条件的行数？

How to use R dplyr's summarize to count the number of rows that match a criteria?

r

dplyr

subset

counting

summarize