如何按组有效地汇总（具有多个输出）数据集中的列？ [英] How to summarize (with multiple outputs) a column in a dataset by groups efficiently?

问题描述

通常，我需要按组为变量提供摘要统计信息（平均值，标准偏差，中位数，Q1等）。

Often times, I need to provide summary statistics (mean, sd, median, Q1 etc.) to a variable by groups.

当前我正在使用类似代码，

Currently I am using code like,

data %>%
  group_by(region, group) %>%
  summarise(mean=mean(value),
            sd=sd(value),
            min=min(value),
            q1 = quantile(value, probs=0.25),
            median = median(value),
            q3 = quantile(value, probs=0.75),
            max=max(value))

我发现自己经常重复这种做法。有没有更好的方法来获取相同的汇总表？谢谢。

I found myself repeat this practice a lot. Is there a better way to get the same summary table? Thanks.

推荐答案

正如@January在注释中所建议的那样，创建函数是一个好主意。在这里，我使用 quos 引用了 ... 的每个参数，并将它们拼接为 group_by 使用 !!! 。 enquo 用于将表达式转换为quosure。 !! 然后在每个摘要函数的上下文中取消引用：

As @January suggested in the comments, creating a function is a good idea. Here I used quos to quote each argument of ... and splice them into group_by using !!!. enquo is used to convert the expression into a quosure. !! then unquotes it within the context of each summary function:

library(dplyr)
library(rlang)

summary_stats1 <- function(data, value, ...){
  value <- enquo(value)

  data %>%
    group_by(!!!quos(...)) %>%
    summarise(mean=mean(!!value),
              sd=sd(!!value),
              min=min(!!value),
              q1 = quantile(!!value, probs=0.25),
              median = median(!!value),
              q3 = quantile(!!value, probs=0.75),
              max=max(!!value))
}

或者，使用 group_by_at 。接受 vars 辅助函数，直接使用 ... ：

Alternatively, use group_by_at. Which accepts the vars helper function, taking ... directly:

summary_stats2 <- function(data, value, ...){
  value <- enquo(value)

  data %>%
    group_by_at(vars(...)) %>%
    summarise(mean=mean(!!value),
              sd=sd(!!value),
              min=min(!!value),
              q1 = quantile(!!value, probs=0.25),
              median = median(!!value),
              q3 = quantile(!!value, probs=0.75),
              max=max(!!value))
}

我们还可以使用新的插值模式（rlang 0.4.0），如此处可简化引用和取消引用的过程：

We can also use the new interpolation pattern (rlang 0.4.0), described here to simplify the quote and unquote process:

summary_stats3 <- function(data, value, ...){

  data %>%
    group_by_at(vars(...)) %>%
    summarise(mean=mean({{ value }}),
              sd=sd({{ value }}),
              min=min({{ value }}),
              q1 = quantile({{ value }}, probs=0.25),
              median = median({{ value }}),
              q3 = quantile({{ value }}, probs=0.75),
              max=max({{ value }}))
}

输出：

> summary_stats1(mtcars, mpg, gear, am)
> summary_stats2(mtcars, mpg, gear, am)
> summary_stats3(mtcars, mpg, gear, am)

# A tibble: 4 x 9
# Groups:   gear [3]
   gear    am  mean    sd   min    q1 median    q3   max
  <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>  <dbl> <dbl> <dbl>
1     3     0  16.1  3.37  10.4  14.5   15.5  18.4  21.5
2     4     0  21.0  3.07  17.8  18.8   21    23.2  24.4
3     4     1  26.3  5.41  21    21.3   25.0  30.9  33.9
4     5     1  21.4  6.66  15    15.8   19.7  26    30.4

这篇关于如何按组有效地汇总（具有多个输出）数据集中的列？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！