Groupe par plusieurs colonnes dans dplyr, à l'aide de la chaîne de vecteur d'entrée

Question

Je suis en train de transférer ma compréhension de plyr en dplyr, mais je ne peux pas comprendre comment le groupe sur plusieurs colonnes.

# make data with weird column names that can't be hard coded
data = data.frame(
  asihckhdoydkhxiydfgfTgdsx = sample(LETTERS[1:3], 100, replace=TRUE),
  a30mvxigxkghc5cdsvxvyv0ja = sample(LETTERS[1:3], 100, replace=TRUE),
  value = rnorm(100)
)

# get the columns we want to average within
columns = names(data)[-3]

# plyr - works
ddply(data, columns, summarize, value=mean(value))

# dplyr - raises error
data %.%
  group_by(columns) %.%
  summarise(Value = mean(value))
#> Error in eval(expr, envir, enclos) : index out of bounds

Ce matin, mon manque de traduire le plyr exemple dans un dplyr-esque de la syntaxe?

Answer 1

Le support de cette dans dplyr est actuellement assez faible, finalement, je pense que la syntaxe sera quelque chose comme:

df %.% group_by(.groups = c("asdfgfTgdsx", "asdfk30v0ja"))

Mais que, probablement, ne sera pas là pendant un moment (parce que j'ai besoin de réfléchir à toutes les conséquences).

En attendant, vous pouvez utiliser regroup(), qui prend une liste de symboles:

library(dplyr)

df <-  data.frame(
  asihckhdoydk = sample(LETTERS[1:3], 100, replace=TRUE),
  a30mvxigxkgh = sample(LETTERS[1:3], 100, replace=TRUE),
  value = rnorm(100)
)

df %.%
  regroup(list(quote(asihckhdoydk), quote(a30mvxigxkgh))) %.%
  summarise(n = n())

Si vous avez un caractère de vecteur de noms de colonnes, vous pouvez les convertir à la bonne structure, avec des lapply() et as.symbol():

vars <- setdiff(names(df), "value")
vars2 <- lapply(vars, as.symbol)

df %.% regroup(vars2) %.% summarise(n = n())

Answer 2

Spécification de la chaîne de colonnes en dplyr sont désormais pris en charge par les variantes de l' dplyr fonctions avec des noms finissant en un trait de soulignement. Par exemple, correspondant à l' group_by fonction il y a un group_by_ fonction qui peut prendre des arguments de chaîne. Cette vignette décrit la syntaxe de ces fonctions en détail.

L'extrait de code suivant proprement résout le problème que @sharoz initialement posé (note de la nécessité d'écrire l' .dots argument):

# Given data and columns from the OP

data %>%
    group_by_(.dots = columns) %>%
    summarise(Value = mean(value))

(Notez que dplyr utilise maintenant l' %>% de l'opérateur, et %.% est déconseillée).

Answer 3

Jusqu'à ce que dplyr possède un support complet pour les arguments de la chaîne, peut-être que ce résumé est utile:

https://gist.github.com/skranz/9681509

Il contient des tas de fonctions wrapper comme s_group_by, s_mutate, s_filter, etc qui utilisent des arguments de chaîne. Vous pouvez les mélanger avec la normale dplyr fonctions. Par exemple

cols = c("cyl","gear")
mtcars %.%
  s_group_by(cols) %.%  
  s_summarise("avdisp=mean(disp), max(disp)") %.%
  arrange(avdisp)

Answer 4

Il fonctionne si vous passer les objets (eh bien, vous ne l'êtes pas, mais...), plutôt que comme un caractère de vecteur:

df %.%
    group_by(asdfgfTgdsx, asdfk30v0ja) %.%
    summarise(Value = mean(value))

> df %.%
+   group_by(asdfgfTgdsx, asdfk30v0ja) %.%
+   summarise(Value = mean(value))
Source: local data frame [9 x 3]
Groups: asdfgfTgdsx

  asdfgfTgdsx asdfk30v0ja        Value
1           A           C  0.046538002
2           C           B -0.286359899
3           B           A -0.305159419
4           C           A -0.004741504
5           B           B  0.520126476
6           C           C  0.086805492
7           B           C -0.052613078
8           A           A  0.368410146
9           A           B  0.088462212

où df a été votre data.

?group_by dit:

 ...: variables to group by. All tbls accept variable names, some
      will also accept functons of variables. Duplicated groups
      will be silently dropped.

qui-je l'interpréter à dire ne pas le caractère des versions des noms, mais comment vous vous y référer en foo$bar; bar n'est pas cité ici. Ou comment vous vous referez à des variables dans une formule: foo ~ bar.

@Arun mentionne également que vous pouvez faire:

df %.%
    group_by("asdfgfTgdsx", "asdfk30v0ja") %.%
    summarise(Value = mean(value))

Mais vous ne pouvez pas passer à quelque chose qui non évaluée n'est pas un nom de variable dans l'objet de données.

Je suppose que cela est dû à l'interne, les méthodes de Hadley est l'aide à chercher les choses que vous transmettez via l' ... argument.

Answer 5

data = data.frame(
  my.a = sample(LETTERS[1:3], 100, replace=TRUE),
  my.b = sample(LETTERS[1:3], 100, replace=TRUE),
  value = rnorm(100)
)

group_by(data,newcol=paste(my.a,my.b,sep="_")) %>% summarise(Value=mean(value))